mat文件(.mat matlab数据文件)结构

Question

在一天半的时间里，我提到了枕骨和矮胖的医生，我试着这样做-

dt = {'names':[u'OSversInt',u'Desc',u'OSversStr',\
... u'OSname',u'platform',u'Board'],\
...'formats':['O','O','O','O','O','O']}

aa = np.array([[ np.array([[ ([[15]],[u''],[u'5.0,1'],\
... [u'Android'],[u'main'],[u'MSM8960'])]], np.dtype(dt))]]\
... ,np.dtype(object))

预期结果：

因为当我这么做的时候

aa = scipy.io.loadmat('file.mat')

产生以下结果。

aa = array([[ array([[ ([[15]], [], [u'5.0.1'], [u'Android'], [u'main'], [u'MSM8960'])]], 
          dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSversStr', 'O'),
    ('OSname', 'O'), ('platform', 'O'), ('Board', 'O')])]], dtype=object)

实际结果-

array([[[[ ([[15]], [u''], [u'5.0.1'], [u'Android'], [u'main']
,[u'MSM8960'])]]]], dtype=object)

如何使我的实际结果与我的预期结果相匹配？--这对于保存现有的mat文件结构至关重要。

Answer 1

在Octave中，我创建了一个带有结构对象的单元：

octave:14> y={x}
y = 
{
  [1,1] =

    scalar structure containing the fields:

      OSversInt =  15
      Desc = 
      OSverStr = 5.0.1
      OSname = Android

}
octave:15> save stack32723802.mat -V7 y

在numpy中，我将其加载为：

In [376]: L=loadmat('stack32723802.mat')
In [377]: L['y']
Out[377]: 
array([[ array([[([[15.0]], [], ['5.0.1'], ['Android'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSverStr', 'O'), ('OSname', 'O')])]], 
      dtype=object)

这是一个2d对象数组(1,1)，包含一个项，也是2d (1,1)，具有复合dtype。

In [390]: y=L['y']
In [391]: y[0,0]
Out[391]: 
array([[([[15.0]], [], ['5.0.1'], ['Android'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSverStr', 'O'), ('OSname', 'O')])

In [392]: y[0,0][0,0]
Out[392]: ([[15.0]], [], ['5.0.1'], ['Android'])

In [394]: y[0,0]['OSversInt']
Out[394]: array([[array([[ 15.]])]], dtype=object)

In [395]: y[0,0]['OSname']
Out[395]: 
array([[array(['Android'], 
      dtype='<U7')]], dtype=object)

4d的“实际结果”是np.array产生它所能产生的最高维数组的结果。

首先创建内部结构化数组：

In [405]: dt=y.item().dtype
In [406]: item=([[15.0]], [], ['5.0.1'], ['Android'])
In [407]: array1 = np.array([[item]], dtype=dt)
In [408]: array1
Out[408]: 
array([[([[15.0]], [], ['5.0.1'], ['Android'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSverStr', 'O'), ('OSname', 'O')])

如果我只是将它封装在一个2d对象数组中，就会得到一个4d数组：

In [409]: np.array([[array1]], dtype=object)
Out[409]: array([[[[([[15.0]], [], ['5.0.1'], ['Android'])]]]], dtype=object)

但是，如果我创建一个空的2d对象数组，并插入这个内部数组，则会得到与loadmat结果匹配的内容：

In [410]: z=np.empty((1,1),dtype=object)
In [411]: z[0,0]=np.array([[item]], dtype=dt)
In [412]: z
Out[412]: 
array([[ array([[([[15.0]], [], ['5.0.1'], ['Android'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSverStr', 'O'), ('OSname', 'O')])]], dtype=object)

Answer 2

基于hpaulj的评论，您可能正在寻找

aa = np.empty((1,1), dtype='O')
aa[0,0] = np.array([[ ([[15]], [], [u'5.0.1'], [u'Android'], [u'main'], [u'MSM8960'])]], 
          dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSversStr', 'O'),
                 ('OSname', 'O'), ('platform', 'O'), ('Board', 'O')])

产额

In [39]: aa
Out[39]: 
array([[ array([[([[15]], [], [u'5.0.1'], [u'Android'], [u'main'], [u'MSM8960'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSversStr', 'O'), ('OSname', 'O'), ('platform', 'O'), ('Board', 'O')])]], dtype=object)

当您想要将任意Python对象(例如NumPy数组或列表)放置到NumPy数组中时，dtype必须是object。在这种情况下，使用np.array构造失败，因为这个函数解释内部序列 (元组除外)作为要递归的值，而不是作为原子元素。

因此，创建这些嵌套对象数组的诀窍是首先创建外部对象数组：

aa = np.empty((1,1), dtype='O')

然后将所需的值赋值给数组的单元格：

aa[0,0] = ...

注意，dtype object的嵌套object数组不允许您利用NumPy的快速(主要是数字)函数。它们与它们包含的Python对象的内存占用量本质上是相同的，从性能上看，它们通常不会比普通Python列表更好。