Python 如何有效地将Matlab引擎阵列转换为numpy ndarray？

我目前正在从事一个项目，我需要使用遗留的Matlab代码（使用Matlab引擎）和Python（numpy）完成一些处理步骤

我注意到，将Matlab的

Matlab.mlarray.double

的结果转换为numpy的

numpy.ndarray

似乎非常慢

下面是一些示例代码，用于从另一个ndarray、列表和mlarray创建一个包含1000个元素的ndarray：

import timeit
setup_range = ("import numpy as np\n"
               "x = range(1000)")
setup_arange = ("import numpy as np\n"
                "x = np.arange(1000)")
setup_matlab = ("import numpy as np\n"
                "import matlab.engine\n"
                "eng = matlab.engine.start_matlab()\n"
                "x = eng.linspace(0., 1000.-1., 1000.)")
print 'From other array'
print timeit.timeit('np.array(x)', setup=setup_arange, number=1000)
print 'From list'
print timeit.timeit('np.array(x)', setup=setup_range, number=1000)
print 'From matlab'
print timeit.timeit('np.array(x)', setup=setup_matlab, number=1000)

这需要以下时间：

From other array
0.00150722111994
From list
0.0705359556928
From matlab
7.0873282467

转换所需的时间大约是列表转换所需时间的100倍

---

有没有办法加快转换速度？

在发布问题后，我找到了解决方案

对于一维数组，仅访问Matlab数组的

\u data

属性

import timeit
print 'From list'
print timeit.timeit('np.array(x)', setup=setup_range, number=1000)
print 'From matlab'
print timeit.timeit('np.array(x)', setup=setup_matlab, number=1000)
print 'From matlab_data'
print timeit.timeit('np.array(x._data)', setup=setup_matlab, number=1000)

印刷品

From list
0.0719847538787
From matlab
7.12802865169
From matlab_data
0.118476275533

对于多维阵列，您需要在以后重塑阵列。对于二维数组，这意味着调用

np.array(x._data).reshape(x.size[::-1]).T

---

Tim的答案适用于2D数组，但将其应用于N维数组的一种方法是使用np.reformate（）的

order

参数：

---

np\ux=np.array（x.\u data）.重塑（x.size，order='F'）

RobR的答案更一般，看看它的N（>2）维数组我认为这应该是

np\ux=np.array（x.\u data）.重塑（x.size，order='F'）.T

，如果数据很复杂，那么就使用“实”和“imag”属性（而不是“数据”）