Matlab中的mat数据转成python中使用的npy数据遇到的坑及解决

目录

• Matlab中的Cell
• cell的读取
• cell和mat矩阵的转换
• Matlab中的reshape和permute
• reshape
• permute
• 总结

最近做的工作涉及将matlab中的处理好的mat数据转换成npy数据，送入到网络中学习。在处理数据时遇到的一些问题总结如下。

Matlab中的Cell

cell数组的数组（指的是两层cell）不能使用cell2mat函数

为了解决这个问题，涉及matlab中元组数据的读取和保存。

cell的读取

cell的{}是指向cell的内容，而cell的()是指向cell的位置。

cell和mat矩阵的转换

单个的cell转换成mat可以直接使用cell2mat函数。

cell2mat：将元胞数组成普通矩阵(要求cell元胞数组的所有内容都必须为相同数据类型,可以为字符，会转化为字符矩阵)

如果是两层以上的cell可以自己写循环依次将数据读出来，存入另一个数据中。

for i=1:n_actions_train
  for j=1:n_num
    matrix_train(i,j,:,:,:)=train_fea{i}{j}; %train_fea是cell数据
  end  
end

Matlab中的reshape和permute

reshape

重构函数，将给定的数据重构成我们需要的size的数据。

用法：

B = reshape(A,sz)
B = reshape(A,sz1,...www.devze.com,szN)

B = reshape(A,sz) 使用大小向量javascript sz 重构 A 以定义 size(B)。

例如，reshape(A,[2,3]) 将 A 重构为一个 2×3 矩阵。

sz 必须至少包含 2 个元素，prod(sz) 必须与 numel(A) 相同。

% eg. 1: 将 110 向量重构为 52 矩阵。
A = 1:10;
B = reshape(A,[5,2])

每个维度的大小，指定为具有最多一个 []（可选）的两个或以上的整数。必须至少指定 2 个维度大小，并且最多一个维度大小可以指定为 []，这样会自动计算该维度的大小以确保 numel(B) 与 numel(A) 相匹配。

当使用 [] 自动计算维度大小时，显式指定的维度必须均匀划分为输入矩阵 numel(A) 中的元素数目。

对于第二个维度以上的维度，输出 B 不反映大小为 1 的尾部维度。例如，reshape(A,3,2,1,1) 生成 3×2 矩阵。

per开发者_Python教程mute

置换数组维度

B = permute(A,dimorder)

eg. 1 : 创建一个 342 数组并对其进行置换，交换第一个维度和第三个维度，从而得到 243 数组.
A = rand(3,4,2)
B = permute(A,[3 2 1])

reshape和permute函数的区别主要在于reshape会改变数据的维度，但数据总量是不变的，只是按原来数据的行列组合变化到新的数据排列方式，其中每个维度的size都可能发生变化。

permute函数只是调换数据维度的顺序，比如我们要从某个数据中拿到某两个维度之间的矩阵，我们可以先用这个函数将这两个维度先调到外面，方便我们取。

这个函数不会改变每个维度的size。

Please use HDF reader for matlab v7.3 files

matlab中对于较大打mat文件，都建议使用v7.3 来保存数据，但是scipy包中的loadmat函数不能读取这个版本的数据，搜了一下问题,发现h5py包中的File函数可以读取这个数据，添加h5py后使用h5py.Filwww.devze.come()函数就可以读取了。

IndexError: only integers, slices (:), ellipsis (...)……

经检查，错误之处在索引处使用了浮点数，把matlab中获得的数据强制转换成int型。

因为matlab编程中数据默认保存成double数据，所以如果转换到其他语言时，要注意到这一点，并且提前强制转换。

IndexError: index *** is out of bounds for axis 1 with size ***

问题在于下表越界，因为从matlab中获得的邻接矩阵记录邻居时，下标从1开始,而python中默认下标从0开始。

值得注意的是matlab中下标维度都是从1开始的，而且matlab中的矩阵读取顺序是列优先的，其他语言比如python和C++都是行优先的编程。所以数据迁移过去都需要先transpose。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。