题主背景：电子本科研究生转cs（机器学习和计算机视觉方向），matlab用的比较熟。想往python发展，原因：1. python在网络编程和文本处理方面感觉做的比matlab好一点。2. python写出来的脚本很容易编译成exe文件，matlab脚本要在没有安装matlab的环境上运行比较困难。3. 好像很多公司现在招聘都青睐会python的。感觉matlab的优点：1. 调试很方便，鼠标指着变量就能显示当前值，而且图像处理过程中只要imshow一下就可以看到当前图像被处理成什么样子了。2.感觉知道的python ide没有matlab那么强大（可能是我孤陋寡闻，python大神勿喷），调试起来没有matlab方便。回复内容：
我刚刚用python的时候也有这些顾虑，感觉matlab的一大优点在于它的ide做得好，这种可以直接查看变量数据的编辑器简直太有用了，而且debug起来也特别容易。其实python也有类似的编辑器，叫spyder，界面类似matlab，功能也相近。建议题主直接去python官网下载anaconda发行版，这类似于一个kit，里面有spyder编辑器，python解释器以及一些常用的或很主流的包，里面也有专门用于下载安装其他包的工具，非常方便。
关于python的ide，可以参考这个：在机器学习科学计算领域,有哪些工具能让python和matlab一样好用? – 李海涛的回答
如果你选择以后就业而不是做科研，你最终都会回到c++上来！
这个问题当然取决于你所在方向上别人用什么做了，视觉方面大家给的源代码茫茫多都是matlab的（当然更多的是连代码都不放的）。当然反过来如果做了deep learning这样都是python接口的东西，你硬上matlab也是给自己找麻烦。总之应该选一个实现起来最快的语言，毕竟是为了验证想法和拿到实验数据。至于你考虑到的找工作方面，我觉得无非是学一个新语言而已，自己随便学学然后写几个小东西就足够了。而且如果你学python是为了找工作，有时间钻研python不如把时间拿去刷题。
我曾经是matlab的忠实粉丝，不过近年来用python多了一些。python主要有这么几个优点：1) 比matlab体积小得多；2) 各种非数值计算的库丰富（尤其是文本处理、网络方面的）；3) 程序比matlab还简洁一些。不过，在matlab的ide里画图的方便性，还是python的matplotlib所不能比拟的，所以需要画图时我就会打开matlab。最近我发现python也有了个ide叫spyder，可以直接画图。虽然还没有用过，但看起来是要完爆matlab的节奏……
推荐 julia优点：数学表达能力强，原生支持各种矩阵、向量运算。个人感觉各种功能的正交组合甚至超过了 matlab 。例如： matlab 矩阵运算中，可以和 . 搭配的运算符很有限，.* (element-wise multiplication), .^(element-wise power), ./ (right array pision), .\ (left array pision), .’ (array transpose)。julia 语言中，运算符与 . 的搭配就很正交，几乎所有运算符都可以加上.运算符，变成 elementwise （元素对元素的）运算符。具有伟大的性能提升的潜力。性能极限甚至超过 c 语言。原因很简单，对于变量的数据类型，可以不指定来自动推断，也可以手动指定。手动指定变量类型之后的速度，基本就等价于 c。当使用自动类型推断的时候，可以像 python 或者 matlab 一样快速开发原型。当手动指定类型之后，可以用近乎 c 一般的速度去跑生产代码。语言年轻，且去中心化。2015年4月9日的版本是0.3.7，还没有到1.0，各种语言特性都在剧烈变动中。比 c 语言还快的原因有两方面：a. 可以利用 c 语言发明以来最新的业界经验和科研成果。b. 整个 julia 语言的基础是基于 github 开源的，保证了语言的开放性。又由于有足够多学术界的关注，最新的学界成果得以引入 julia 语言中。直接调用 c， python，java， matlab 和 r。c 调用这个算是现代语言的基本功能，但 julia 做得很舒服。无需配置，直接用 ccall。格式如下，ccall((：函数名，“指定c库文件”)，返回值类型，（输入参数数据类型），输入参数)。pycall （https://github.com/stevengj/pycall.jl）得说是很流氓的。使用起来也是超级方便：using pycall; @pyimport numpy as np; s = sin(3 * t + 4 * np.cos(2 * t)); 。例如：绘图包 pyplot （https://github.com/stevengj/pyplot.jl）就是利用 python。一连几年 julia 都一直在 pycon 上做宣传。同样邪恶的还有 javacall（https://github.com/aviks/javacall.jl） 和 rcall (https://github.com/juliastats/rcall.jl)。其实 julialang 也有个包叫 matlab.jl (https://github.com/julialang/matlab.jl)，支持直接调用 matlab，最大限度的保护你的智力投资。原生的单元测试支持。默认程序包开发的格式中，就内置了测试架构。语言内置单元测试宏 @test。我个人觉得其实这里差一点，还没有对于行为驱动开发 （bdd）的原生支持。这一点可能在我看懂 factcheck.jl （https://github.com/julialang/factcheck.jl）之后再进一步修改。方便自由的程序包开发。只要在 github 上开一个 .jl 结尾的代码库，然后按照指定格式提交 metadata 给 julialang。就可以把自己开发的包提交到 julia 官方库。
很少有哪个语言的委员会这么亲民的，texlive还得是每年升级呢。程序包是否受官方包管理器支持对于成果推广的价值是无法估量的。我学习 julia 不到一周的时候就提交一个库（https://github.com/quxiaofeng/projectivedictionarypairlearning.jl），且被纳入官方包库，这里顺便安利一下。原生可以调用 python，且可以使用与 matlab 极为相似的语法。有mat.jl包可以读写mat文件，与实验室其他matlab用户共享数据，良好兼容。对应ipython, 有ijulia。
这个问题没必要争了，matlab 2014b 开始支持调用python和被python调用了。
1.请使用正版matlab 2.python请使用pycharm，有社区版，也可以付费购买专业版 3.python有matplotlib，画图也很简单4.matlab生成exe比python简单多了5.请养成下断点调试的习惯
1. python有一个包叫ipython，可能比matlab方便。而且画图的话用matplotlib几乎就是matlab的移植。2. 但是科学计算上性能通常还是matlab略胜一筹，而且工具包支持比较强大（不过python也在迎头赶上了）。3. 如果要做文本处理和网络的话还是python吧。4. 可以两个同时学啊。
问题是matlab好贵的，只有选择python了，可以省去装盗版破解的时间。