Question

我目前正在开展一个项目，我需要使用传统的Matlab代码（使用Matlab引擎）进行一些处理，其余的则使用Python（numpy）。

我注意到将结果从Matlab的matlab.mlarray.double转换为numpy的numpy.ndarray似乎非常缓慢。

以下是一些示例代码，用于创建包含来自另一个ndarray，列表和mlarray的1000个元素的ndarray：

import timeit
setup_range = ("import numpy as np\n"
               "x = range(1000)")
setup_arange = ("import numpy as np\n"
                "x = np.arange(1000)")
setup_matlab = ("import numpy as np\n"
                "import matlab.engine\n"
                "eng = matlab.engine.start_matlab()\n"
                "x = eng.linspace(0., 1000.-1., 1000.)")
print 'From other array'
print timeit.timeit('np.array(x)', setup=setup_arange, number=1000)
print 'From list'
print timeit.timeit('np.array(x)', setup=setup_range, number=1000)
print 'From matlab'
print timeit.timeit('np.array(x)', setup=setup_matlab, number=1000)

需要以下时间：

From other array
0.00150722111994
From list
0.0705359556928
From matlab
7.0873282467

转化时间大约是列表转化的100倍。

有没有办法加快转换速度？

Answer 1

发布问题后的片刻我找到了解决方案。

对于一维数组，只能访问Matlab数组的_data属性。

import timeit
print 'From list'
print timeit.timeit('np.array(x)', setup=setup_range, number=1000)
print 'From matlab'
print timeit.timeit('np.array(x)', setup=setup_matlab, number=1000)
print 'From matlab_data'
print timeit.timeit('np.array(x._data)', setup=setup_matlab, number=1000)

打印

From list
0.0719847538787
From matlab
7.12802865169
From matlab_data
0.118476275533

对于多维数组，您需要在之后重新整形数组。在二维数组的情况下，这意味着调用

np.array(x._data).reshape(x.size[::-1]).T

Answer 2

Tim的回答非常适合2D数组，但是将其调整为N维数组的方法是使用np.reshape（）的order参数：

np_x = np.array(x._data).reshape(x.size, order='F')

如何有效地将Matlab引擎数组转换为numpy ndarray？

2 个答案: