MATLAB结构转换成python

我有一个.mat文件，其结构为1x4349，有6个字段。第一列标记为“A”，每个单元格是一个大小不同的方形矩阵（即17x17、18x18等）。问题是，如何将matlab结构转换为可用的python数据？没有使用matlab.engine，我只有pandas、numpy和scipy.io。我可以使用loadmat导入数据。我最终想获取这些数据 将其导入tensorflow

from scipy.io import loadmat
import tensorflow as tf

data = loadmat('.../template1-lib5-eqns-CR-RESULTS-SET1-FINAL.mat')

nz = data['Graphs']['nz']
A = data['Graphs']['A']
print(nz[:,1])
print(A[:,1])

Graphs是结构，nz是列，单元格1应该返回数字6，但我得到的是

[array（[[6]]，dtype=uint8）]

打印一张照片会给我：

[array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0]],
      dtype=uint8)]

---

如果您需要更多信息，请告诉我。谢谢。

我所要做的就是将所有内容上传到熊猫数据框中

raw_data = loadmat(path, squeeze_me=True)
data = raw_data['Graphs']
graph_labels = pd.DataFrame()
graph_labels['perf'] = raw_data['Objective'][0:1000]
graph_labels['np'] = data['np'][0:1000]

---

这完成了任务，使matlab中的所有内容都可用。

看起来

loadmat

为您提供了一个有效的

numpy

数组。什么是

data['Graphs']

shape

和

dtype

？数据都在那里，你只需要学会如何找到它。例如，在MATLAB中，一切都是2d，甚至“标量”都是（1,1）形状。它说它的形状是（143249）使用：'data['Graphs'].shape'至于dtype，我使用了data['Graphs'].dtype，它返回：[（'A'，'O'），（'Ln'，'O'），（'transferFunc'，'O'），（'types'，'O'），（'nz'，'O'），（'np和'O'）]，所以所有字段的dtype都是'O'，object。这意味着

nz[：，1]

是（在repr显示中）

np.array（[array（[[6]]，dtype=uint8）]，dtype=object）

。什么是

nz[0:，1]

，在行和列上都选择？这些字段是包含数组（其本身可能是2d（1,1））的对象数据类型数组。你只需要深入到结构中，边做索引。print（数据['Graphs']['nz'][0:，1]给出[array（[[6]]，dtype=uint8）]Oops，删除：，

nz[0，1]

。你想索引（14349）形状数组的一项。

np.vstack（nz[0，：]）

可能会产生一个（439,1,1）数组。或者（43249，）与另一个[：，0,0]索引层。