Python 高效地将复杂的Matlab引擎阵列转换为numpy ndarray

按照中的答案，通过_data属性访问matlab引擎数组似乎效率更高。

---

然而，当Matlab返回的数组是“复杂单”数组时，似乎没有_数据属性。是否有一种等效的快速访问复数数组的方法？

一种可能的解决方法是从Matlab返回两个实数数组（一个包含实数部分，另一个包含虚数部分），并用Python构建复数值

M_real, M_imag = myMatlabFunction()
M_real_np = np.array(M_real._data)
M_imag_np = np.array(M_imag._data)
M_np = M_real_np + M_imag_np*np.complex(0,1)

然后，我们可以从快速访问每个阵列的_数据成员中获益

---

我仍然对更直观的解决方案感兴趣。

一个可能的解决方法是从Matlab返回两个实数组（一个包含实部，另一个包含虚部），并用Python构建复值

M_real, M_imag = myMatlabFunction()
M_real_np = np.array(M_real._data)
M_imag_np = np.array(M_imag._data)
M_np = M_real_np + M_imag_np*np.complex(0,1)

然后，我们可以从快速访问每个阵列的_数据成员中获益

---

我仍然对更简单的解决方案感兴趣。

您使用的是什么版本的MATLAB？在R2018a之前，复数数据存储为两个独立的内存块，一个用于实部，另一个用于虚部。自R2018a以来，它以交错方式存储在单个内存块中。我怀疑您的答案会因内部存储而有所不同。我使用的是R2016b。更确切地说，我正在使用MCR9.1将Python与Matlab代码的打包版本进行接口。我是Python和Python-Matlab接口的新手，我不知道如何查看可以从Matlab对象（如此数据）访问哪些成员。您使用的是什么版本的Matlab？在R2018a之前，复数数据存储为两个独立的内存块，一个用于实部，另一个用于虚部。自R2018a以来，它以交错方式存储在单个内存块中。我怀疑您的答案会因内部存储而有所不同。我使用的是R2016b。更确切地说，我正在使用MCR9.1将Python与Matlab代码的打包版本进行接口。我是Python和Python-Matlab接口的新手，我不知道如何查看可以从Matlab对象（如此_数据）访问哪些成员。