从某种意义上说,Python的“cells”比MATLAB-list长得多。python列表是1d单元格(或者更确切地说,大小为1维的单元格)的直接替代品。二维单元格可以表示为嵌套列表。numpy具有dtype对象的数组也可以工作。我相信这就是scipy.io.loadmat用来呈现.mat文件中的单元格的方法。在
np.array()将一个或多个列表等转换为ndarray。有时它需要帮助指定数据类型。它还尝试将输入呈现为尽可能高的维数组。在
^{1}$
MATLAB结构映射到Python字典或对象上。在
loadmat也可以将结构表示为numpy结构化(record)数组。在
有一个np.concatenate,它接受一个数组列表,以及它的方便导数vstack,hstack,dstack。大多数情况下,它们调整数组的维数,然后在一个轴上连接。在
以下是MATLAB cell2mat示例的粗略近似值:
^{pr2}$
构造具有相同形状的nDarrayIn [61]: c11=np.array([[1]])
In [62]: c12=np.array([[2,3,4]])
In [63]: c21=np.array([[5],[9]])
In [64]: c22=np.array([[6,7,8],[10,11,12]])
用hstack和vstack的组合将它们连接起来,即沿着匹配的轴连接。在In [65]: A=np.vstack([np.hstack([c11,c12]),np.hstack([c21,c22])])
# or A=np.hstack([np.vstack([c11,c21]),np.vstack([c12,c22])])
制作:array([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
或者更广泛地(和紧凑地)In [75]: C=[[c11,c12],[c21,c22]]
In [76]: np.vstack([np.hstack(c) for c in C])