44

我正在寻找一种将 NumPy 数组传递给 Matlab 的方法。

我已经设法通过使用将数组存储到图像中scipy.misc.imsave然后使用加载它来做到这一点imread，但这当然会导致矩阵包含0到256之间的值而不是“真实”值。

取这个矩阵除以 256 的乘积，原始 NumPy 数组中的最大值给了我正确的矩阵，但我觉得这有点乏味。

有没有更简单的方法？

4

9 回答 9

59

当然，只需使用scipy.io.savemat

举个例子：

import numpy as np
import scipy.io

x = np.linspace(0, 2 * np.pi, 100)
y = np.cos(x)

scipy.io.savemat('test.mat', dict(x=x, y=y))

同样，还有scipy.io.loadmat.

然后，您将其加载到 matlab 中load test。

或者，正如@JAB 所建议的那样，您可以将内容保存到 ascii 制表符分隔的文件中（例如numpy.savetxt）。但是，如果你走这条路，你将被限制在二维。另一方面，ascii 是通用交换格式。几乎任何东西都会处理一个分隔的文本文件。

于 2012-06-12T13:07:06.980 回答
11

一个简单的解决方案，无需通过文件或外部库传递数据。

Numpy 有一种将 ndarrays 转换为列表的方法，并且 matlab 数据类型可以从列表中定义。因此，何时可以转换为：

np_a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
mat_a = matlab.double(np_a.tolist())

从 matlab 到 python 需要更多的关注。没有将类型直接转换为列表的内置函数。但是我们可以访问原始数据，这些数据不是定型的，而是简单的。因此，我们使用reshape（正确格式化）和transpose（因为 MATLAB 和 numpy 存储数据的方式不同）。强调这一点非常重要：在您的项目中进行测试，主要是在您使用超过 2 维的矩阵时。它适用于 MATLAB 2015a 和 2 dims。

np_a = np.array(mat_a._data.tolist())
np_a = np_a.reshape(mat_a.size).transpose()
于 2015-05-27T19:35:50.617 回答
6

这是一个避免在 python 中迭代或使用文件 IO 的解决方案 - 以依赖（丑陋的）matlab 内部为代价：

import matlab
# This is actually `matlab._internal`, but matlab/__init__.py
# mangles the path making it appear as `_internal`.
# Importing it under a different name would be a bad idea.
from _internal.mlarray_utils import _get_strides, _get_mlsize

def _wrapper__init__(self, arr):
    assert arr.dtype == type(self)._numpy_type
    self._python_type = type(arr.dtype.type().item())
    self._is_complex = np.issubdtype(arr.dtype, np.complexfloating)
    self._size = _get_mlsize(arr.shape)
    self._strides = _get_strides(self._size)[:-1]
    self._start = 0

    if self._is_complex:
        self._real = arr.real.ravel(order='F')
        self._imag = arr.imag.ravel(order='F')
    else:
        self._data = arr.ravel(order='F')

_wrappers = {}
def _define_wrapper(matlab_type, numpy_type):
    t = type(matlab_type.__name__, (matlab_type,), dict(
        __init__=_wrapper__init__,
        _numpy_type=numpy_type
    ))
    # this tricks matlab into accepting our new type
    t.__module__ = matlab_type.__module__
    _wrappers[numpy_type] = t

_define_wrapper(matlab.double, np.double)
_define_wrapper(matlab.single, np.single)
_define_wrapper(matlab.uint8, np.uint8)
_define_wrapper(matlab.int8, np.int8)
_define_wrapper(matlab.uint16, np.uint16)
_define_wrapper(matlab.int16, np.int16)
_define_wrapper(matlab.uint32, np.uint32)
_define_wrapper(matlab.int32, np.int32)
_define_wrapper(matlab.uint64, np.uint64)
_define_wrapper(matlab.int64, np.int64)
_define_wrapper(matlab.logical, np.bool_)

def as_matlab(arr):
    try:
        cls = _wrappers[arr.dtype.type]
    except KeyError:
        raise TypeError("Unsupported data type")
    return cls(arr)

到达这里所需的观察结果是：

  • Matlab 似乎只看type(x).__name__并type(x).__module__确定它是否理解类型
  • 似乎任何可索引的对象都可以放在._data属性中

不幸的是，matlab 在_data内部没有有效地使用该属性，并且一次迭代一项而不是使用 pythonmemoryview协议:(。因此，这种方法的速度增益是微不足道的。

于 2019-11-05T17:43:19.127 回答
4

scipy.io.savemat 或 scipy.io.loadmat 不适用于 matlab 数组 --v7.3。但好的部分是 matlab --v7.3 文件是 hdf5 数据集。因此可以使用多种工具读取它们，包括 numpy。

对于 python，您将需要h5py扩展，这需要您系统上的HDF5。

import numpy as np, h5py 
f = h5py.File('somefile.mat','r') 
data = f.get('data/variable1') 
data = np.array(data) # For converting to numpy array
于 2013-10-12T00:25:06.847 回答
2

前段时间，我遇到了同样的问题，并编写了以下脚本，以便在交互式会话中来回复制和粘贴数组。显然只适用于小型数组，但我发现它比每次都通过文件保存/加载更方便：

Matlab -> Python

Python -> Matlab

于 2012-06-13T11:28:00.707 回答
2

The python library Darr allows you to save your Python numpy arrays in a self-documenting and widely readable format, consisting of just binary and text files. When saving your array, it will include code to read that array in a variety of languages, including Matlab. So in essence, it is just one line to save your numpy array to disk in Python, and then copy-paste the code from the README.txt to load it into Matlab.

Disclosure: I wrote the library.

于 2021-07-19T14:00:35.370 回答
2

不确定它是否算作“更简单”，但我找到了一个解决方案，可以从一个由 matlab 快速调用的 python 脚本创建的 numpy 数组中移动数据：

dump_reader.py（python 源代码）：

import numpy

def matlab_test2():
    np_a    = numpy.random.uniform(low = 0.0, high = 30000.0, size = (1000,1000))
    return np_a

dump_read.m（matlab 脚本）：

clear classes
mod = py.importlib.import_module('dump_reader');
py.importlib.reload(mod);

if count(py.sys.path,'') == 0
    insert(py.sys.path,int32(0),'');
end

tic
A = py.dump_reader.matlab_test2();
toc
shape = cellfun(@int64,cell(A.shape));
ls = py.array.array('d',A.flatten('F').tolist());
p = double(ls);
toc
C = reshape(p,shape);
toc

它依赖于这样一个事实，即与单元格/矩阵相比，matlabs double 似乎在数组上有效地工作。第二个技巧是以有效的方式将数据传递给matlabs double（通过pythons native array.array）。

PS 很抱歉发布了 necroposting，但我为此付出了很多努力，这个话题是最热门的话题之一。也许它可以帮助某人缩短挣扎的时间。

PPS 使用 Matlab R2016b + python 3.5.4 (64bit) 测试

于 2018-04-06T22:55:11.847 回答
0

在最新的 R2021a 中，您可以将 python numpy ndarray 传递给 double()，它会转换为原生 matlab 矩阵，即使在控制台中调用 numpy 数组时，它也会在底部建议“使用 double 函数转换为 MATLAB 数组”

于 2021-09-18T04:10:09.480 回答
0

假设您有一个形状为 (365,10) 的 2D 每日数据，保存在 np 数组中五年，形状为np3Darrat(5,365,10)。在 python 中保存你的 np 数组：

import scipy.io as sio     #SciPy module to load and save mat-files
m['np3Darray']=np3Darray   #shape(5,365,10)
sio.savemat('file.mat',m)  #Save np 3D array

然后在 MATLAB 中将 np 3D 数组转换为 MATLAB 3D matix：

load('file.mat','np3Darray')
M3D=permute(np3Darray, [2 3 1]);   %Convert numpy array with shape (5,365,10) to MATLAB matrix with shape (365,10,5)
于 2021-05-02T18:22:24.667 回答