Python相比於Matlab的最大優勢是：
Python是壹門通用編程語言，實現科學計算功能的numpy、scipy、matplotlib只是Python的庫和Package而已，除此之外Python還有用於各種用途的庫和包，比如用於GUI的PyQt和wxPython，用於Web的Django和Flask
Matlab相比於Python最大的優勢是：
它專門就是給數值計算開發的，在數值計算這個領域庫最多、用的人最多、出的書最多
如果妳做策略研究，做數據分析，兩者功能上差不多，但是應該選擇matlab ，因為：
如果妳還要做網絡爬蟲，數據清洗等偏IT的工作，那麽Python更優。
MATLAB 是壹種用於算法開發、數據可視化、數據分析以及數值計算的高級技術計算語言和交互式環境。使用 MATLAB，可以較使用傳統的編程語言（如 C、C++ 和 Fortran）更快地解決技術計算問題。
隨著MATLAB工具箱的不斷添加和完善，M語言也逐漸成為工程界的準通用標準語言，官網稱：MATLAB - The Language Of Technical Computing。
大學理工科專業壹般都開設了或選修或必修的MATLAB相關課程。很多新出版的教材，計算機輔助教學的工具軟件開始選用MATLAB。
MATLAB以其簡潔易學的語法、友好的界面和完善的文檔系統逐漸深入人心並將繼續擴大它的控制領地。
然而，MATLAB也有著很大的局限性。首先，是價格。作為壹款商業軟件，獲得正版授權，價格不菲。就說最便宜的學生版，核心組件單個授權要花99刀，想使用額外工具箱，則是每個工具箱29刀。 正如妳能想到的，商業版本更貴。
其次，是版權。mathworks論壇活躍著很多用戶，也有很多有價值的代碼，但是，版權歸mathworks公司，要想使用必須獲得它的授權。
再次，是語言完善性。MATLAB進行數學計算的表現無可置疑，但是實際的科學計算還有文件操作、界面設計等。MATLAB在這些領域功能較弱或者很麻煩。應該可以說，MATLAB不是壹種完善的語言。
還有：學術界大量使用matlab做仿真，做研究的話容易找到代碼參考；
語法相對python更靈活壹些，matlab寫程序基本不用套路，所謂老夫擼matlab就壹個字，幹；
有simulink。有人說simulink沒什麽用，其實還是挺有用的，比如通信建模，另外simulink可以生產DSP或者FPGA代碼，有的時候很有用。
首先， Python完全免費 ，絕大多數科學計算相關擴展庫也都是免費的，大多也都是是開源的，所以金錢問題完全不用考慮。版權問題也基本不用考慮，眾多的實例程序可以讓妳拿去就用。（有時候也需要考慮，因為有些授權，如GPL授權，具有“傳染性”）。考慮控制版權更嚴格的諸如美國之類的國家，有著眾多的研究人員和大學生使用Python，並有很多網絡提供了交流平臺，在這個平臺可以獲得更多的交流學習機會。
其次， Python是壹門更易學更嚴謹的面向對象的程序設計語言 。作為通用程序設計語言的Python，有更為嚴格清晰的語法，可以輕易完成界面、文件、封裝等高階需求。最後，不得不提的就是性能。MATLAB作為科學計算工具，經過了近乎苛刻的優化，Python呢？
實話說，純Python的速度確實不怎麽地，但是使用Python的科學計算擴展庫numpy、scipy等之後，速度和MATLAB不相上下。
再次大的優勢： 開源 。妳可以大量更改科學計算的算法細節。
可移植性，Matlab必然不如Python。但妳主要做Research，這方面需求應當不高。
第三方生態，Matlab不如Python。 比如3D的繪圖工具包，比如GUI，比如更方便的並行，使用GPU，Functional等等。長期來看，Python的科學計算生態會比Matlab好。語言更加優美。另外如果有壹定的OOP需求，構建較大壹點的科學計算系統，直接用Python比用Matlab混合的方案肯定要簡潔不少。
python作為壹種通用編程語言，可以做做Web，搞個爬蟲，編個腳本，寫個小工具用途很廣泛。
大部分數據分析、圖像處理、數字信號處理、數據可視化已經完全可以脫離matlab。特別是企業用戶，已經不像以前高度依賴matlab。matlab內核效率不高、執行效率低仿真速度慢。python結合CUDA可以並行處理來加速仿真。更不要說最近正火的AI領域更沒matlab什麽事了
不要吹matlab了。Python是通用語言，matlab是個收費工具箱。我承認matlab simulink壹類的工具箱很強大。但學matlab是沒前途的，因為要收費，沒什麽公司會用
最近幾年Python編程語言在國內引起不小的轟動，有超越Java之勢，本來在美國這個編程語言就是最火的，應用的非常非常的廣泛，而Python的整體語言難度來講又比Java簡單的很多。尤其是在運維的應用中非常的廣泛，所以之前出了壹句話，在如今的時代，運維不學Python，遲早會被淘汰！
可是難道現在Python語言真的有這麽好的就業前景嗎？首先我來給大家介紹壹下Python學完以後能做什麽。
壹、人工智能
Python作為人工智能的黃金語言，選擇人工智能作為就業方向是理所當然的，而且就業前景好，薪資普遍較高，拉勾網上，人工智能工程師的招聘起薪普遍在20K-35K，當然，如果是初級工程師，起薪也已經超過了12500元/月。
二、大數據
我們目前正處於大數據時代，Python這門語言在大數據上比Java更加有效率，大數據雖然難學，但是Python可以更好地和大數據對接，用Python做大數據的薪資也至少是20K以上了，大數據持續火爆，未來做大數據工程師，薪資還將逐漸上漲。
image
大家在學python的時候肯定會遇到很多難題，以及對於新技術的追求，這裏推薦壹下我們的Python學習扣qun：784-758-214，這裏是python學習者聚集地！！同時，自己是壹名高級python開發工程師，從基礎的python腳本到web開發、爬蟲、django、數據挖掘等，零基礎到項目實戰的資料都有整理。送給每壹位python的小夥伴！每日分享壹些學習的方法和需要註意的小細節**
三、網絡爬蟲工程師
網絡爬蟲作為數據采集的利器，在大數據時代作為數據的源頭，十分有用武之地。利用Python可以更快的提升對數據抓取的精準程度和速度，是數據分析師的福祉，通過網絡爬蟲，讓BOSS再也不用擔心妳沒有數據。做爬蟲工程師的的薪資為20K起，當然，因為大數據，薪資也將壹路上揚。
四、Python Web全棧工程師
全棧工程師是指掌握多種技能，並能利用多種技能獨立完成產品的人。也叫全端工程師(同時具備前端和後臺能力)，英文Full Stack developer。全棧工程師不管在哪個語言中都是人才中的人才，而Python Web全棧工程師工資基本上都高出20K，所以如果妳能力足夠，首選就是Python Web全棧工程師。
五、Python自動化運維
運維工作者對Python的需求很大，小夥伴們快快行動起來吧，學習Python自動化運維也能有個10k-15k的工資，很不錯哦。
六、Python自動化測試
Python這門語言十分高效，只要是和自動化有關系的，它可以發揮出巨大的優勢，目前做自動化測試的大部分的工作者都需要學習Python幫助提高測試效率。用Python測試也可以說是測試人員必備的工具了，Python自動化測試的起薪壹般也都是15K左右，所以測試的小夥伴也需要學習Python哦！
七、3D 遊戲 開發
Python有很好的3D渲染庫和 遊戲 開發框架，有很多實用Python開發的 遊戲 ，如迪士尼卡通城、黑暗之刃。常用PyGame、PyKyra等和壹個PyWeek的比賽。對於想要進軍 遊戲 行業的同學們，Python也是壹個不錯的選擇。
八、業務技術架構評估和優化
代碼本身的優劣足以影響到訪問效率的高低，而這種影響是很難通過後天的集群和服務器的優化而有所改善的。而具備開發能力，可以使評估技術架構是否合理，哪些地方可以做出調整，具備開發和架構設計及調優能力可是成為壹個出色架構師的必須能力。
會，毫無疑問的告訴妳，python+numpy+matplotlib就足以替代，更不說還有其他各種包
我覺得至少在國內，matlab逐漸被python替代是大勢所趨。原因如下：
1）matlab是美國mathworks公司推出的商用工具，重點在“美國公司”。自從前中興、華為先後被美國坑害之後，國內這些高 科技 公司誰還敢把命壓在美國公司身上，天知道哪天就被無緣故的禁了。有python可用，當然是逐漸替代。
2）matlab是商用軟件，lisense費用n貴，並且mathworks公司在軟件中留了不少後門，上報使用者信息，正規公司用正版用的心痛，用盜版又用得心驚肉跳，那既然有免費的python，何樂而不為呢，哪怕功能弱壹點，但是要相信社區的力量是無窮的，很快就能補上來。
Matlab和python完全不在壹個水平線上的產品，matlab是壹個面向算法本身，面向仿真本身的產品，如果非說運行效率，這個要看是誰寫的程序了。matlab之所以收費在於它的運行庫的更新。比如及時的5G Nr庫的更新，這東西要是自己用python寫不是不能寫，只是時間，完整性，運行效率這些很難保證，畢竟matlab背後是壹個強大的科學家團隊的來負責算法，壹個強大的工程師團隊來完成實現，最後給到用手裏的是壹個簡單易用的function.而用戶做的是算法仿真，自己算法實現。大家都做了自己最擅長的事。
應該不會，許多專業的仿真是Python做不了的。
矩陣思維，矩陣可視化，語法的簡潔性，這都是python欠缺的。
Matlab更專註於算法研究和仿真。Python是個大雜燴。個人感覺Matlab更適合算法細節調試。還有就是Simulink在不少領域暫時還不能被完全取代。