使用scipy.io savemat将多个Python字典转换为MATLAB结构数组

一个简单的问题，但我似乎无法理解。我正在使用

scipy.io

库将Python字典保存为Matlab结构。现在，

scipy.io

库的示例向我们展示了如何将单个Python字典转换为单个Matlab结构：

>>> a_dict = {'field1': 0.5, 'field2': 'a string'}
>>> sio.savemat('saved_struct.mat', {'a_dict': a_dict})

这听起来很公平，而且有效：

但是，我现在想对多个Python字典执行相同的操作。我希望将它们转换为一个Matlab结构，其中列名等于所有字典的键（显然都是相同的键名），并且我希望每一行表示其中一个字典中这些键的值。如果我没看错的话，这就是一个包含10个字段的1 x K结构，K是我想要映射的行数（Python字典）。字段示例如下所示：

虽然我自己完全不知道正确的Matlab术语，但评论中的一个好灵魂告诉我这应该称为结构数组。我尝试过简单地创建一个Python字典的numpy数组，将其放入上面代码示例的

a_dict

键值对中并保存，但没有成功。这样做会产生一个所有不同结构的列表，而不是一个大结构，其中的行表示每个单独结构的值

因此，我仍在为这个问题寻找适当的解决办法。如果您需要任何其他详细信息，请随时在评论中询问。谢谢你的帮助

这里有一个解决方案：

在Python中：

>>> a_dict = {'field1': 0.5, 'field2': 'a string'}
>>> b_dict = {'field1': 1, 'field2': 'another string'}
>>> sio.savemat('saved_struct.mat', {'dict_array':[a_dict,b_dict]})

在MATLAB中：

s = load('saved_struct.mat');
struct_array = [s.dict_array{:}];

您将根据需要在MATLAB中生成一个结构数组

struct_array = 

  1×2 struct array with fields:

    field1
    field2

---

@UnerableLightness有最简单的解决方案，但为了澄清

结构化数组的建议，我将给出一个示例

定义结构化数组：

In [192]: arr = np.array([(0.5,'one'),(0.6,'two'),(0.8,'three')], dtype=[('field1',float),('field2','U10')])                                                                                        

以及具有相同字段和数据的词典列表：

In [194]: dicts = [{'field1':0.5, 'field2':'one'},{'field1':0.6, 'field2':'two'},{'field1':0.8,'field2':'three'}]

In [195]: arr                                                                                          
Out[195]: 
array([(0.5, 'one'), (0.6, 'two'), (0.8, 'three')],
      dtype=[('field1', '<f8'), ('field2', '<U10')])

In [196]: dicts                                                                                        
Out[196]: 
[{'field1': 0.5, 'field2': 'one'},
 {'field1': 0.6, 'field2': 'two'},
 {'field1': 0.8, 'field2': 'three'}]

arr
是一个
struct数组
，包含两个字段：

>> arr
arr =

  1x3 struct array containing the fields:

    field1
    field2

>> arr.field1
ans =  0.50000
ans =  0.60000
ans =  0.80000
>> arr.field2
ans = one
ans = two
ans = three

dicts
是具有标量结构的单元格：

>> dicts
dicts =
{
  [1,1] =

    scalar structure containing the fields:

      field1 =  0.50000
      field2 = one

  [1,2] =

    scalar structure containing the fields:

      field1 =  0.60000
      field2 = two

  [1,3] =

    scalar structure containing the fields:

      field1 =  0.80000
      field2 = three

}

可以转换为@Unforable所示的相同结构数组：

>> [dicts{:}]
ans =

  1x3 struct array containing the fields:

    field1
    field2

>> _.field1
error: '_' undefined near line 1 column 1
>> [dicts{:}].field1
ans =  0.50000
ans =  0.60000
ans =  0.80000
>> [dicts{:}].field2
ans = one
ans = two
ans = three

另一方面，我建议（并演示）在MATLAB/Octave中创建所需的结构，然后看看
loadmat
产生了什么。或者，在python中进行一次往返可以很有启发性—一个
savemat
后跟一个
loadmat
。因此
s.dict_数组
是一个
单元格，而
[…{:}]
将其转换为
结构。
>> dicts
dicts =
{
  [1,1] =

    scalar structure containing the fields:

      field1 =  0.50000
      field2 = one

  [1,2] =

    scalar structure containing the fields:

      field1 =  0.60000
      field2 = two

  [1,3] =

    scalar structure containing the fields:

      field1 =  0.80000
      field2 = three

}

>> [dicts{:}]
ans =

  1x3 struct array containing the fields:

    field1
    field2

>> _.field1
error: '_' undefined near line 1 column 1
>> [dicts{:}].field1
ans =  0.50000
ans =  0.60000
ans =  0.80000
>> [dicts{:}].field2
ans = one
ans = two
ans = three