.mat to python data transfer

Question

Я немного новичок в среде python, и я передаю существующую программу MATLAB в Python. Я импортировал файл .mat, содержащий четыре поля, в которых меня интересует одно из 14 подполей массивов 11340x1, 11340x7 и 11340x8, а также несколько строк метеорологических данных. Я успешно импортировал данные, используя

import scipy.io as sio 
import scipy 

MATfile = sio.loadmat(E:/JP/Meadowdata.mat) 

Теперь я хотел бы поставить эти массивы/строки в переменных для использования в Python. Я начал с

datagroup = MATfile['MAIN'] #for MAIN field 
T = datagroup['T'] #for Temp. 
P = datagroup['P'] #for Precip.... 

и так далее для других массивов. Я хочу использовать эти массивы как для значений внутри них, так и для нахождения длины массивов. Однако, когда я пытаюсь найти длину они всегда возвращаются с длиной 1, а не 11340, а при печати их оказывается как этот

[[array([[-5.55555556], 
    [-5.55555556], 
    [-5.55555556], 
    ..., 
    [ 9.879  ], 
    [ 8.17  ], 
    [ 6.051  ]])]] 

Я заметил, что некоторые люди петельные через и потянула ценности, которые, как, но это было бы слишком много данных/времени в моем случае, и, похоже, это не работало. Есть ли способ получить эти данные?

Спасибо, jmatt

Answer 1

Обратите внимание, что datagroup['T'] (и datagroup['P']) представляет собой список из списка в numpy массива. Поэтому, если вы хотите, чтобы извлечь numpy массив, вам нужно сделать:

T = datagroup['T'][0][0] 
P = datagroup['P'][0][0] 

Answer 2

У меня есть немного другой, а иногда и более стабильное решение.

Я нашел, что лучшим решением при перемещении данных между Matlab/Python является использование библиотеки экспорта JSON в matlab (например, this one), затем используйте библиотеку импорта JSON в python. Я обнаружил, что это немного более стабильно, чем функция загрузки .map scipy. Особенно если вы планируете часто импортировать или использовать какой-либо из более специфичных для Matlab типов переменных, таких как structs.

Answer 3

я могу сделать массив, который печатает как ваш пример с:

In [1355]: A=np.array([[None]]) 
In [1356]: A[0,0]=np.array([[-5,-4,-3]]) 

In [1357]: A 
Out[1357]: array([[array([[-5, -4, -3]])]], dtype=object) 

In [1359]: print(A) 
[[array([[-5, -4, -3]])]] 

Это единственный элемент, 2d массив объектов, который содержит 2d числового массива. Есть несколько способов извлечения внутреннего массива:

In [1360]: A.item() 
Out[1360]: array([[-5, -4, -3]]) 

In [1362]: A[0,0] 
Out[1362]: array([[-5, -4, -3]]) 

In [1363]: A[0][0] 
Out[1363]: array([[-5, -4, -3]]) 

В других вопросах внешний массив 0d How to access elements of numpy ndarray?

In [1364]: B=np.array(None) 
In [1365]: B[()]=np.array([[1,2,3]]) 

In [1366]: B 
Out[1366]: array(array([[1, 2, 3]]), dtype=object) 

In [1367]: print(B) 
[[1 2 3]] 

In [1368]: B[()] 
Out[1368]: array([[1, 2, 3]]) 

In [1369]: B.item() 
Out[1369]: array([[1, 2, 3]]) 

item все еще работает.

Я не уверен, где различие возникает. У меня нет работы Octave на этой машине, поэтому не могу проверить, имеет ли значение V число.

Эта обучающая страница

http://students.mimuw.edu.pl/~pbechler/scipy_doc/tutorial/io.html

лучше, чем loadmat ссылка на страницу.

Вопросы задавать на любом уровне добычи, являются:

• что это? Словарь, массив

• если массив, что такое dtype? Объект? соединение (структурированное), числовое

• Какая у него форма? Сколько измерений (ndim)?