如何使用 Scipy.io.loadmat 将 Matlab mat 文件中的字符串单元格数组加载到 Python 列表或元组中

Question

我是一个 Matlab 用户，不熟悉 Python。我想将 Matlab 中的字符串单元数组写入 Mat 文件，并使用 Python（可能是 scipy.io.loadmat）将此 Mat 文件加载到一些类似的类型（例如字符串列表或字符串元组）中。但是 loadmat 将内容读入数组，我不确定如何将其转换为列表。我尝试了无法按预期工作的“tolist”函数（我对 Python 数组或 numpy 数组了解甚少）。例如：

Matlab 代码：

cell_of_strings = {'thank',  'you', 'very', 'much'};
save('my.mat', 'cell_of_strings');

Python 代码：

matdata=loadmat('my.mat', chars_as_strings=1, matlab_compatible=1);
array_of_strings = matdata['cell_of_strings']

那么，变量array_of_strings就是：

array([[[[u't' u'h' u'a' u'n' u'k']], [[u'y' u'o' u'u']],
    [[u'v' u'e' u'r' u'y']], [[u'm' u'u' u'c' u'h']]]], dtype=object)

我不知道如何将此 array_of_strings 转换为 Python 列表或元组，使其看起来像

list_of_strings = ['thank',  'you', 'very', 'much'];

我不熟悉 Python 或 numpy 中的数组对象。您的帮助将不胜感激。

Answer 1

你试过了吗：

import scipy.io as si

a = si.loadmat('my.mat')
b = a['cell_of_strings']                # type(b) <type 'numpy.ndarray'>
list_of_strings  = b.tolist()           # type(list_of_strings ) <type 'list'>

print list_of_strings 
# output: [u'thank', u'you', u'very', u'much']

Answer 2

这看起来像是list comprehension 的工作。重复你的例子，我在 MATLAB 中做了这个：

cell_of_strings = {'thank',  'you', 'very', 'much'};
save('my.mat', 'cell_of_strings','-v7'); 

我使用的是较新版本的 MATLAB，它默认以 HDF5 格式保存 .mat 文件。 loadmat 无法读取 HDF5 文件，所以 '-v7' 标志是强制 MATLAB 保存到旧版本的 .mat 文件，loadmat 可以理解。

在 Python 中，我像您一样加载了元胞数组：

import scipy.io as sio
matdata = sio.loadmat('%s/my.mat' %path, chars_as_strings=1, matlab_compatible=1);  
array_of_strings = matdata['cell_of_strings']

打印array_of_strings 给出：

[[array([[u't', u'h', u'a', u'n', u'k']], 
          dtype='<U1')
      array([[u'y', u'o', u'u']], 
          dtype='<U1')
      array([[u'v', u'e', u'r', u'y']], 
          dtype='<U1')
      array([[u'm', u'u', u'c', u'h']], 
          dtype='<U1')]]

变量array_of_strings 是一个 (1,4) numpy 对象数组，但每个对象中都嵌套了数组。例如，array_of_strings 的第一个元素是一个 (1,5) 数组，其中包含表示“谢谢”的字母。也就是说，

array_of_strings[0,0]
array([[u't', u'h', u'a', u'n', u'k']], 
      dtype='<U1')

要获得第一个字母“t”，您必须执行以下操作：

array_of_strings[0,0][0,0]
u't'

由于我们正在处理嵌套数组，我们需要使用一些递归技术来提取数据，即嵌套for 循环。但首先，我将向您展示如何提取第一个单词：

first_word = [str(''.join(letter)) for letter in array_of_strings[0][0]]
first_word
['thank']

我在这里使用列表推导。基本上，我正在遍历 array_of_strings[0][0] 中的每个字母，并使用''.join 方法将它们连接起来。 string() 函数是将 unicode 字符串转换为常规字符串。

现在，为了得到你想要的列表字符串，我们只需要遍历每个字母数组：

words = [str(''.join(letter)) for letter_array in array_of_strings[0] for letter in letter_array]
words
['thank', 'you', 'very', 'much']

列表推导式需要一些时间来适应，但它们非常有用。希望这会有所帮助。