Python调用matlab 函数

在python中启动matlab：

engine = matlab.engine.start_matlab()

 

如果输入的变量X是表格式的数据（n*d），即 ndarray格式，需要进行转换后再输入：

data_list= matlab.double(X.tolist())

 

关键的就以上两点。

注意：如果pathon版本是3.7或3.8的，要注意matlab引擎的版本是否合适(Matlab 2017b中自带的引擎不合适)，需要更高级的Matlab版本，或者对python进行降低版本3.5或3.6都可以。

不建议对引擎文件setup.

具体看代码：

import matlab
import matlab.engine
import pandas as pd
import numpy as np
from sklearn import datasets
X,y = datasets.make_blobs(n_samples=300, n_features=2,centers=2,cluster_std=[2.0,2.0],random_state=123) #python中导入或生成数据
fea = matlab.double(X.tolist())  ##数据格式转换：fea 是机器学习中常用到的数据，在这里是 300行 * 2列的数据。
engine = matlab.engine.start_matlab()  #启动matlab引擎

sampRank = engine.Diaoyong(fea,20)  ##借口函数：sampRank为malab函数Diaoyong(fea,Num)的返回值。sampRank是一个数组。
print(sampRank)
print(type(sampRank))  ##<class 'mlarray.double'>

sRank = np.array(sampRank)  #将反馈数据转换为ndarray格式(现在还是个矩阵)
print(type(sRank))  ##<class 'numpy.ndarray'>

a = np.reshape(sRank,(1,len(sRank)))[0] # 方法1：将sRank转换为数组形状（sRank本身没变）
b = np.hstack(sRank)  #方法2：将sRank转换为（sRank本身没变）
print("a=",a)
print("b=",b)
print(sRank)
# print(fea)

从Matlab返回的矩阵，如若报错 是不可接受的类型。然而经过检查缺是矩阵且double类型。则要检查该返回的矩阵是不是稀疏矩阵。python无法识别matlab的稀疏矩阵。