matlab调用python脚本_Matlab 调用 Python 脚本

Matlab 调用 Python 脚本

最近尝试在 Matlab 环境中调用 Python 脚本，这里总结下碰到的几个问题。

1. Python 模块加载

在 Matlab 脚本中，想要将 Python 文件作为模块加载，需要首先修改 PYTHONPATH 路径，采用如下命令添加模块路径

P = py.sys.path;

if count(P,modpath) == 0

insert(P,int32(0),modpath);

end

修改好路径后，直接使用 import 命令加载 Python 模块会产生错误，需采用以下命令

py.importlib.import_module('analytical_subcritical'); % 加载 python 模块 analytical_subcritical

2. Python 函数调用

在调用 Python 模块中函数时，需将 Matlab 环境中变量转换为 Python 类型的变量传入函数中，部分类型变量可以直接转换，可参考 Matlab 官网—将数据传递给 Python。

在 Matlab 中常用的向量和矩阵转换为 1​N 大小可以直接作为 array.array('d') 类型 Python 变量传入，因此可将输入数据大小转换后直接传入 Python 函数中进行计算。

3. Python 数据处理

在获得 Python 函数返回结果后，需将数据重新转换为 Matlab 类型变量。不同类型变量转换可以参考官网—处理从 Python 返回的数据。

但是这些类型仅为 Python 中部分内建变量类型，对于常用的 Numpy 库返回的 ndarray 类型变量需要进一步转化

value =

​

Python ndarray with properties:

​

T: [1×1 py.numpy.ndarray]

base: [1×1 py.NoneType]

ctypes: [1×1 py.numpy.core._internal._ctypes]

data: [1×24 py.buffer]

dtype: [1×1 py.numpy.dtype]

flags: [1×1 py.numpy.flagsobj]

flat: [1×1 py.numpy.flatiter]

imag: [1×1 py.numpy.ndarray]

itemsize: 8

nbytes: 24

ndim: 1

real: [1×1 py.numpy.ndarray]

shape: [1×1 py.tuple]

size: 3

strides: [1×1 py.tuple]

​

[1 2 3]

对于此类型变量转换过程，目前有两种方法。

第一种方式是将 ndarray 变量转换为 Python 的 array.array 类型，随后可利用 double 函数直接转换为 Matlab 变量。

data = double(py.array.array('d',py.numpy.nditer(value))); %d is for double, value is ndarray

第二种是利用 scipy 库将变量储存为 mat 文件，随后在 Matlab 中加载。

import numpy as np

import scipy.io

x = np.linspace(0, 2 * np.pi, 100)

y = np.cos(x)

scipy.io.savemat('test.mat', dict(x=x, y=y))

相比第二种方法，第一种方法更为直接。转换为 Matlab 变量后利用 reshape 修改向量大小即可。