ndim in numpy array loaded with scipy.io.loadmat?

Question

使用

SciPy 和 MATLAB，我在重建数组以匹配使用 scipy.io.loadmat(( 加载的 MATLAB 单元数组给出的内容时遇到问题。

例如，假设我在 MATLAB 中创建了一个包含一对双数组的单元格，然后使用 scipy.io 加载它(我使用 SPM 与 pynifti 等结合使用进行成像分析(

马特实验室

>> onsets{1} = [0 30 60 90]
>> onsets{2} = [15 45 75 105]

蟒

>>> import scipy.io as scio
>>> mat = scio.loadmat('onsets.mat')
>>> mat['onsets'][0]
array([[[ 0 30 60 90]], [[ 15  45  75 105]]], dtype=object)
>>> mat['onsets'][0].shape
(2,)

我的问题是：为什么这个 numpy 数组的形状是 (2，( 而不是 (2,1,4(？在现实生活中，我正在尝试使用 Python 来解析日志文件并构建这些起始单元格数组，因此我希望能够从头开始构建它们。

当我尝试从打印输出构建相同的数组时，我得到了不同的形状：

>>> new_onsets = array([[[ 0, 30, 60, 90]], [[ 15,  45,  75, 105]]], dtype=object)
array([[[0, 30, 60, 90]],
       [[15, 45, 75, 105]]], dtype=object)
>>> new_onsets.shape
(2,1,4)

不幸的是，形状(单元格数组中的双精度向量(是在上游的规范中编码的，所以我需要能够以这种格式准确保存它。当然，这没什么大不了的，因为我可以用 MATLAB 编写解析器，但是弄清楚发生了什么并增加一点我对 numpy 的 [微不足道] 知识会很好。

Answer 1

这是我个人觉得在 python 中有点烦人的事情之一。这是因为loadmat会自动"挤压"尺寸。

默认情况下，squeeze_me=True，因此如您所见，您会得到以下内容：

>>> x = sio.loadmat('mymat.mat',squeeze_me=True)
>>> y = x['onsets']
>>> y.shape
(2,)

如果使用squeeze_me设置为 False 的负载垫，则不会挤出一个维度：

>>> a = sio.loadmat('mymat.mat',squeeze_me=False)
>>> a
>>> b = a['onsets']
>>> b.shape
(1, 2)

也就是说，我一生都无法弄清楚如何为像"onset"这样的细胞阵列显示另一个维度(即b.shape = (1,2,4)(。我只能为非单元普通的香草 MATLAB 数组获得它

onset_array = [onsets{1}; onsets{2}];

Answer 2

来自scipy邮件列表的Travis回应说，构建它的正确方法是先创建结构，然后填充数组：

http://article.gmane.org/gmane.comp.python.scientific.user/31760

> 你可以用以下方法构建你以前看到的东西：>> new_onsets = 空((2，(， dtype=对象(> new_onsets[0] = 数组([[0， 30， 60， 90]](> new_onsets[1] = 数组([[15， 45， 75， 105]](

Answer 3

我认为这里的问题是单元格数组并不是真正的数组，这就是为什么scio.loadmat onsets.mat加载到object数组的原因。

在这里，您的单元格数组可以简化为形状(2,1,4)的正常数组，但是如果数据如下所示：

>> onsets{1} = {0 30 60 'bob'}
>> onsets{2} = {15 45 75 'fred'}

我不确定最好的解决方案是什么，但是如果您知道您的数据是一个数组，那么在保存在 Matlab 中之前或使用 Scipy 加载后，您可能应该转换为普通数组。

编辑：理论上，上面的示例单元格数组可以转换为numpy结构化数组，但请注意，单元格数组通常不是这样，因为列不必是相同的数据类型。表示任意数据类型列表的逻辑方法是使用 Python 列表(或此处的列表数组(，这就是loadmat返回的内容。

编辑2：修复单元格数组语法，如Erik Kastman建议的那样。