将 matlab.double 数组转换为 python 数组答案

【问题标题】：Convert matlab.double array to python array将 matlab.double 数组转换为 python 数组
【发布时间】：2015-07-12 21:04:18
【问题描述】：

我正在使用 matlab python 引擎来访问我在 python 中的 matlab 项目中的数据。这工作得很好，但我在 python 中有效地使用 matlab 数组确实有问题。例如我想要一个来自 matlab 的数组，我使用（eng 代表 matlab 引擎）：

x = eng.eval(arg)

我得到的是一个 matlab.double 数组，如下所示：

matlab.double([[1.0,2.0],[4.0,3.0],[2.0,5.0]])

看起来还不错。让我们试着捕捉一个条目：

>>> x[2][1]
5.0

耶！整行怎么样？

>>> x[0]
matlab.double([1.0,2.0])

..好吧，至少它是一行，但我没有找到“matlab.double”前缀..列怎么样？

>>> x[:][0]
matlab.double([1.0,2.0])

等等，什么？我尝试选择所有行，然后选择每个行的第一个元素，但我只得到行。事实上：

x[i] == x[:][i] == x[i][:]

所以，基本上出现了两个问题：选择一行给我带来了不需要的“matlab.double”前缀，选择一列（个人认为更重要）根本不起作用。这里有什么建议吗？我现在所做的是为自己重新读取每个值并将其安全地放入一个新的 python 数组中：

c = [[] for _ in range(len(x[0]))]
for i in range(len(x[0])):
    for j in range(len(x)):
        c[i].append(x[j][i])

这可行，但有一个问题：随着数据的增长，它会极大地减慢代码速度。当然，如果每个条目实际上已经存储在 x 中，重读每个条目的感觉并不美妙。

感谢您阅读这篇长文，我只是假设我解释得更多，因为可能只有少数人使用 python matlab 引擎。

【问题讨论】：

x[:] 只是复制 x，所以行为符合预期
哦，谢谢 - 我不知道。但是为什么 x[a][b] 有效，例如 x[0:1][1] 给出索引错误（x[0:1] 有效）？
x[0:1] 的长度为 1，因此唯一有效的索引是 0。用 Python 列表试试吧。
你应该问的问题是，“我如何有效地提取一列？”
哇，这个问题帮了大忙——我现在遇到了多种遇到这个问题的方法。例如，这一次削减了一半的时间for _ in zip(*x): a.append(_) 然而，对于 for 循环来说，这仍然是相当多的时间。我还设法通过简单的方式更快地获得列：x[0::len(x[0])]，但随后我遇到了开始的问题：如何删除“matlab.double(”前缀/附件？

标签： python arrays performance matlab multidimensional-array

【解决方案1】：

有一种更简洁（和 Pythonic）的方法可以使用列表推导式提取列，它还可以立即将输出作为 Python 浮点数列表：

>>> x = matlab.double([[1.0,2.0],[4.0,3.0],[2.0,5.0]])
>>> [d[0] for d in x]
[1.0, 4.0, 2.0]

【讨论】：

【解决方案2】：

根据下面讨论的输入，我设法找到了一种合理的方法：

c = []
for _ in range(x.size[1]):
    c.append(x._data[_*x.size[0]:_*x.size[0]+x.size[0]].tolist())
return c

这样命令需要大约 0.009 秒，而不是之前的 0.045 秒。使用 zip 函数大约需要 0.022 秒。非常感谢，现在代码运行速度快了 5 倍！

为了澄清：x.size[i] 给了我matlab.double 数组的大小。 x._data 给出一个一维数组类型：

array('d', [1.0,2.0,4.0 ... ])

因此它包含一个 tolist() 方法来获取我需要的实际列表。

【讨论】：

这行得通，但我认为它应该是“x.size[1]”（没有“-1”）？当我尝试上面的代码时，我从数组中丢失了一个元素。
你确实是对的，不知道这是从哪里来的。无论如何，我现在使用的是更通用的方法，它允许我与输入的值具有相同的类型，我将在下一个答案中发布。

【解决方案3】：

一种更通用的方法，我现在正在有效地使用它，还允许我在需要时对值进行四舍五入（不过要小心，四舍五入需要更多的计算时间）：

from math import log10, floor

def convert(self, x, ROUND=0):

    conv = []

    for _ in range(x.size[0]):
        lst = x._data[_::x.size[0]].tolist()

        if ROUND is not 0:
            lst = [self.round_sig(elem, ROUND) if elem != 0 and
                   elem == elem else elem for elem in lst]

        conv.append(lst)

    return conv

def round_sig(self, x, sig=2):
    return round(x, sig-int(floor(log10(abs(x))))-1)

【讨论】：