在Python中加载HDF5 Matlab字符串

Question

在Python中加载HDF5 Matlab字符串

pythonmatlabhdf5

8

我在使用h5py 2.0.1时遇到了读取Python中hdf5 matlab 7.3文件的问题。

我可以读取文件中存储的所有矩阵，但无法读取字符串列表。 h5py将字符串显示为一个形状为(1, 894)，类型为|04的数据集。该数据集包含对象引用，我尝试使用语法对其进行解引用。

这会产生类似于的结果。我将其解释为长度为四的字符数组。这似乎是字符串的ASCII表示形式。

是否有一种简单的方法来获取字符串？

是否有任何提供matlab到python hdf5支持的软件包？

- Andreas Mueller

2个回答

4

您可以通过以下方式获取Group和Dataset对象的原始Matlab类名：

dataset.attrs['MATLAB_class']

如果 dataset 包含一个字符串，它将返回 b'char'。

- Ekstov

检查类型后，您如何访问字符串？ - Xue

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- nneonneo · Accepted Answer

我假设你指的是MATLAB中的字符串单元数组？这个输出看起来很正常：数据集是一个对象数组（|O4 是NumPy对象数据类型）。每个对象都是一个2字节整数数组（<u2 是NumPy小端无符号2字节整数数据类型）。h5py无法知道数据集是字符串单元数组，它可能同样是任意16位整数的单元数组。

最简单的获取字符串的方法是使用迭代器并使用unichr将字符转换，像这样：

strlist = [u''.join(unichr(c) for c in h5file[obj_ref]) for obj_ref in dataset])

这段代码是遍历数据集 (for obj_ref in dataset) 创建一个新的列表。对于每个对象引用，它会解引用该对象 (h5file[obj_ref]) 以获取一个整数数组。它将每个整数转换为一个字符 (unichr(c)) 并将这些字符全部连接到一起形成一个 Unicode 字符串 (u''.join())。

请注意，这将生成一个 Unicode 字符串列表。如果您绝对确定每个字符串仅包含 ASCII 字符，则可以将 u'' 替换为 ''，将 unichr 替换为 chr。

注意：我没有 h5py；这篇文章基于我的 MATLAB 和 NumPy 经验。您可能需要调整语法或迭代顺序以适应您的数据集。