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

Question

我是一位新手Matlab用户，希望学习Python。我想将Matlab的字符串单元数组写入Mat文件，并使用Python（可能是scipy.io.loadmat）加载此Mat文件到某个类似类型的对象（例如字符串列表或字符串元组）。但是loadmat将数据读取为数组，我不确定如何将其转换为列表。我尝试了“tolist”函数，但它没有按照我预期的方式工作（我对Python数组或numpy数组的理解不太好）。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']

然后，变量array_of_strings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)

我不确定如何将这个字符串数组转换成Python列表或元组，使它看起来像这样：

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

我不熟悉Python或numpy的数组对象。非常感谢您的帮助。

- Causality

Answer 1

你试过这个吗：

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']

- Marcin

---

b.tolist()会返回[[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')]]，看起来仍然是一个数组。 - Causality

@Denzel。你必须使用 chars_as_strings=1，matlab_compatible=1 吗？ - Marcin

Answer 2

这看起来是使用列表推导的工作。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'); 

我正在使用更新版本的MATLAB，默认情况下将.mat文件保存为HDF5格式。 loadmat无法读取HDF5文件，因此使用“-v7”标志来强制MATLAB保存为旧版本.mat文件，以便loadmat可以理解。

在Python中，我像您一样加载了单元数组：

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 的结果为：

[[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)的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)的数组，其中包含'thank'这个单词的字母。也就是说，

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

要获取第一个字母“t”，你需要做类似这样的操作：

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

由于我们正在处理嵌套数组，因此需要使用一些递归技术来提取数据，即嵌套的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']

我在这里使用了列表推导式。基本上，我正在循环遍历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（）函数是为了将Unicode字符串转换为常规字符串。

现在，要获取您想要的字符串列表，我们只需要循环遍历每个字母数组：

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。希望这可以帮到你。

- nikobam

---

words = [str(''.join(letter)) for letter_array in array_of_strings[0] for letter in letter_array] 应改为 words = [str(''.join(letter)) for letter_array in array_of_strings for letter in letter_array]。 - kli_nlpr