scipy.io.loadmat 嵌套结构（即字典）

Question

使用给定的例程（如何使用 scipy 加载 Matlab .mat 文件），我无法访问更深层的嵌套结构以将它们恢复到字典中

为了更详细地介绍我遇到的问题，我给出了以下玩具示例：

load scipy.io as spio
a = {'b':{'c':{'d': 3}}}
# my dictionary: a['b']['c']['d'] = 3
spio.savemat('xy.mat',a)

现在我想将 mat-File 读回 python。我尝试了以下方法：

vig=spio.loadmat('xy.mat',squeeze_me=True)

如果我现在想访问我得到的字段：

>> vig['b']
array(((array(3),),), dtype=[('c', '|O8')])
>> vig['b']['c']
array(array((3,), dtype=[('d', '|O8')]), dtype=object)
>> vig['b']['c']['d']
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)

/<ipython console> in <module>()

ValueError: field named d not found.

但是，通过使用选项 struct_as_record=False 可以访问该字段：

v=spio.loadmat('xy.mat',squeeze_me=True,struct_as_record=False)

现在可以通过

>> v['b'].c.d
array(3)

Answer 1

找到了解决办法，可以通过以下方式访问“scipy.io.matlab.mio5_params.mat_struct object”的内容：

v['b'].__dict__['c'].__dict__['d']

Answer 2

这里是重建字典的函数，只使用这个 loadmat 而不是 scipy.io 的 loadmat：

import scipy.io as spio

def loadmat(filename):
    '''
    this function should be called instead of direct spio.loadmat
    as it cures the problem of not properly recovering python dictionaries
    from mat files. It calls the function check keys to cure all entries
    which are still mat-objects
    '''
    data = spio.loadmat(filename, struct_as_record=False, squeeze_me=True)
    return _check_keys(data)

def _check_keys(dict):
    '''
    checks if entries in dictionary are mat-objects. If yes
    todict is called to change them to nested dictionaries
    '''
    for key in dict:
        if isinstance(dict[key], spio.matlab.mio5_params.mat_struct):
            dict[key] = _todict(dict[key])
    return dict        

def _todict(matobj):
    '''
    A recursive function which constructs from matobjects nested dictionaries
    '''
    dict = {}
    for strg in matobj._fieldnames:
        elem = matobj.__dict__[strg]
        if isinstance(elem, spio.matlab.mio5_params.mat_struct):
            dict[strg] = _todict(elem)
        else:
            dict[strg] = elem
    return dict

Answer 3

只是对合并答案的增强，不幸的是，如果它到达对象的单元格数组，它将停止递归。以下版本将改为列出它们，并在可能的情况下继续递归到元胞数组元素中。

import scipy.io as spio
import numpy as np


def loadmat(filename):
    '''
    this function should be called instead of direct spio.loadmat
    as it cures the problem of not properly recovering python dictionaries
    from mat files. It calls the function check keys to cure all entries
    which are still mat-objects
    '''
    def _check_keys(d):
        '''
        checks if entries in dictionary are mat-objects. If yes
        todict is called to change them to nested dictionaries
        '''
        for key in d:
            if isinstance(d[key], spio.matlab.mio5_params.mat_struct):
                d[key] = _todict(d[key])
        return d

    def _todict(matobj):
        '''
        A recursive function which constructs from matobjects nested dictionaries
        '''
        d = {}
        for strg in matobj._fieldnames:
            elem = matobj.__dict__[strg]
            if isinstance(elem, spio.matlab.mio5_params.mat_struct):
                d[strg] = _todict(elem)
            elif isinstance(elem, np.ndarray):
                d[strg] = _tolist(elem)
            else:
                d[strg] = elem
        return d

    def _tolist(ndarray):
        '''
        A recursive function which constructs lists from cellarrays
        (which are loaded as numpy ndarrays), recursing into the elements
        if they contain matobjects.
        '''
        elem_list = []
        for sub_elem in ndarray:
            if isinstance(sub_elem, spio.matlab.mio5_params.mat_struct):
                elem_list.append(_todict(sub_elem))
            elif isinstance(sub_elem, np.ndarray):
                elem_list.append(_tolist(sub_elem))
            else:
                elem_list.append(sub_elem)
        return elem_list
    data = spio.loadmat(filename, struct_as_record=False, squeeze_me=True)
    return _check_keys(data)

Answer 4

我在 scipy 邮件列表 (https://mail.python.org/pipermail/scipy-user/) 上被告知还有另外两种方法可以访问这些数据。

这行得通：

import scipy.io as spio
vig=spio.loadmat('xy.mat')
print vig['b'][0, 0]['c'][0, 0]['d'][0, 0]

我的机器上的输出： 3

这种访问的原因：“由于历史原因，在 Matlab 中，所有内容至少是二维数组，甚至是标量。” 所以 scipy.io.loadmat 默认模仿 Matlab 行为。

Answer 5

另一种可行的方法：

import scipy.io as spio
vig=spio.loadmat('xy.mat',squeeze_me=True)
print vig['b']['c'].item()['d']

输出：

3

我也在 scipy 邮件列表中学到了这个方法。我当然不明白（还）为什么必须添加“.item()”，并且：

print vig['b']['c']['d']

会抛出一个错误：

IndexError：只有整数、切片 (:)、省略号 (...)、numpy.newaxis (None) 和整数或布尔数组是有效的索引

但我知道后会回来补充解释。 numpy.ndarray.item 的解释（来自 numpy 参考）： 将数组的元素复制到标准 Python 标量并返回。

（请注意，这个答案与 hpaulj 对最初问题的评论基本相同，但我觉得评论不够“可见”或无法理解。我在搜索解决方案时当然没有注意到它第一次，几周前）。