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 division), .\ (Left array division), .' (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。
