使用 MATLAB 匹配 numpy rand ndarrays

Question

我正在尝试将 numpy 随机生成的 ndarray 与 MATLAB 进行匹配。

import numpy as np

# Set the seed for NumPy's random generator
np.random.seed(42) #Mersenne Twister is default
    
# Generate complex random numbers
a = 16
b = 4
c = 10
x_py = np.random.rand(a, b, c) + 1j * np.random.rand(a, b, c)

这是 MATLAB 版本：

% Set the seed for MATLAB's random generator
rng(42, 'twister')  % Use the Mersenne Twister algorithm

% Generate complex random numbers
a = 16;
b = 4;
c = 10;
x_ml = rand([a, b, c], 'like', 1i);

现在，虽然种子和生成器类型匹配，但状态不匹配，所以我无法匹配 x_py 和 x_ml。

我知道更简单的方法是在 MATLAB 中生成、保存到文件并在 Python 中导入，但我想了解这两个 API 工作方式之间的差异以及如何调整它们以获得匹配的输出。

Answer 1

这个问题与另一个问题非常相似，但除此之外我们正在处理复数。

根据其他问答，MATLAB 按列填充数组，而 Python 按行填充数组。您需要转置一个结果以匹配另一个结果。对于 3D 数组，Python 中的索引顺序为 [z,y,x]，MATLAB 中为 [y,x,z]。不过，存储顺序是相反的，在 MATLAB 中，y（第一个）索引是索引连续内存地址的索引，而 Python 中的 x（最后一个）索引则执行此操作。因此，我们需要定义具有不同大小顺序的数组，然后排列维度以使它们匹配。

另一个问题是，在 Python 中，

np.random.rand(a, b, c) + 1j * np.random.rand(a, b, c)

 首先生成所有实值，然后生成所有虚值。在 MATLAB 中，

rand([a, b, c], 'like', 1i)

 将生成一个实值，然后生成一个虚值，然后生成一个实值，依此类推。

将所有内容放在一起，

x_ml = permute(rand([c, b, a]) + 1j * rand([c, b, a]), [2,1,3]) 产生与问题中的

x_py

相同的数组。