scipy和保存mat文件（.mat matlab数据文件）的结构 [英] scipy and preserving mat file (.mat matlab data file) structure

问题描述

  dt = {'名字'：[u'OSversInt'，u'Desc'，u'OSversStr'，\ 
 ... u'OSname'，u'platform'，u'Board']，\ 
 ...'格式'：['O'，'O'，'O'，'O'，'O'，'O']} 
 
 aa = np.array（[[np .array（[[（[15]]，[u'']，[u'5.0,1']，\ 
 ... [u'Android']，[u'main']， [u'MSM8960']）]]，np.dtype（dt））]] \ 
 ...，np.dtype（object））
  

预期结果：

b
$ b

  aa = scipy.io.loadmat（'file.mat'）
  

产生下面的结果。

$ $ $ $ $ $ $ $ $ $ $ $ aa = array（[[array（[[（[[15]]，[]，[u'5.0.1 ''，'u'Android']，[u'main']，[u'MSM8960']）]]，
dtype = [（'OSversInt'，'O'），（'Desc'，' O'），（'OSversStr'，'O'），
（'OSname'，'O'），（'platform'，'O'），（'Board'，'O'）]）] ]，dtype = object）

实际结果 -

$ b $

 数组（[[[[[15]]，[u'']，[u'5.0.1']，[u' Android']，[u'main'] 
，[u'MSM8960']）]]]]，dtype = object）
  

如何使我的实际结果符合我的预期结果？
这对于保留现有的mat文件结构是必不可少的。

解决方案

在Octave中，我创建了一个包含结构对象的单元格：

 八度：14  - ; y = {x} 
y = 
 {
 [1,1] = 
 
包含字段的标量结构：
 
 OSversInt = 15 
 Desc = 
 OSverStr = 5.0.1 
 OSname = Android 
 
} 
八度：15>保存stack32723802.mat -V7 y 
  

在 numpy 我将它加载为：

$ p $ In [376]：L = loadmat（'stack32723802.mat'）
In [377]：L ['y']
Out [377]：
array（[[array（[[（[15.0]]，[]，['5.0.1']， '''））]]，
dtype = [（'OSversInt'，'O'），（'Desc'，'O'），（'OSverStr'，'O'），（'OSname'， 'O'）]）]]，
dtype = object）


这是一个2d对象数组（1,1），一个项目，也是2d（1,1），与复合dtype。

 在[390]中：y = L ['y'] 
 In [391]：y [0,0] 
 Out [391]：
 array [[[ （''''''，'O'），['Android']）]]，
 dtype = [（'OSversInt'，'O' '['OSname'，'O'）]）
 $ b $ 392]：[[15.0]]，[]，['5.0.1']，['Android']）
 
在[394]：y [0,0] ['OSversInt' ] 
输出[394]：ar在[395]中：y [0,0] ['OSname'] 
 Out [[array [（15]]]]]，dtype = object）
 $ b [ 395]：
 array（[[array（['Android']，
 dtype ='< U7'）]]，dtype = object）
  / pre> 
 
 
第四个实际结果是产生最高维度数组的结果 np.array   
 
 
首先创建内部结构化数组：
 
 
  In [405 ]：dt = y.item（）。dtype 
在[406]：item =（[[15.0]]，[]，['5.0.1']，['Android']）
在[407]中：array1 = np.array（[[item]]，dtype = dt）
在[408]：array1 
 Out [408]：
 array [[[ [15.0]]，[]，['5.0.1']，['Android']）]]，
 dtype = [（'OSversInt'，'O'），（'Desc'，'O' ），（'OSverStr'，'O'），（'OSname'，'O'）]）
  
如果我只是把它包装在一个二维对象数组中，我得到一个4d数组：
 
 
  In [409]：np。 array（[[array1]]，dtype = object）
 Out [409]：array（[[[[[[15.0]]，[]，['5.0 .1']，['Android']）]]]]，dtype = object）
  
如果相反，我创建一个空的二维对象数组，并插入这个内部数组，我得到一些匹配 loadmat 结果：
 
 
在[410]中：z = np.empty（（1,1），dtype = object）
在[411]中：z [0,0] = np （[[item]]，dtype = dt）
 In [412]：z 
 Out [412]：
 array [[[array（[[（15.0] ，''，''，''），['Android']）]]，
 dtype = [（'OSversInt'，'O' OSverStr'，'O'），（'OSname'，'O'）]）]]，dtype = object）
  

After referring to scipy and numpy docs for a day and a half, I tried doing this -

dt = {'names':[u'OSversInt',u'Desc',u'OSversStr',\
... u'OSname',u'platform',u'Board'],\
...'formats':['O','O','O','O','O','O']}

aa = np.array([[ np.array([[ ([[15]],[u''],[u'5.0,1'],\
... [u'Android'],[u'main'],[u'MSM8960'])]], np.dtype(dt))]]\
... ,np.dtype(object))

Expected outcome:

Expected because when I do

aa = scipy.io.loadmat('file.mat')

yields the below outcome.

aa = array([[ array([[ ([[15]], [], [u'5.0.1'], [u'Android'], [u'main'], [u'MSM8960'])]], 
          dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSversStr', 'O'),
    ('OSname', 'O'), ('platform', 'O'), ('Board', 'O')])]], dtype=object)

Actual outcome -

array([[[[ ([[15]], [u''], [u'5.0.1'], [u'Android'], [u'main']
,[u'MSM8960'])]]]], dtype=object)

How do I make my actual outcome match my expected outcome? This is essential to preserve the existing mat file structure.

解决方案

In Octave I created a cell with a structure object:

octave:14> y={x}
y = 
{
  [1,1] =

    scalar structure containing the fields:

      OSversInt =  15
      Desc = 
      OSverStr = 5.0.1
      OSname = Android

}
octave:15> save stack32723802.mat -V7 y

In numpy I load it as:

In [376]: L=loadmat('stack32723802.mat')
In [377]: L['y']
Out[377]: 
array([[ array([[([[15.0]], [], ['5.0.1'], ['Android'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSverStr', 'O'), ('OSname', 'O')])]], 
      dtype=object)

That's a 2d object array (1,1), with one item, which is also 2d (1,1), with the compound dtype.

In [390]: y=L['y']
In [391]: y[0,0]
Out[391]: 
array([[([[15.0]], [], ['5.0.1'], ['Android'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSverStr', 'O'), ('OSname', 'O')])

In [392]: y[0,0][0,0]
Out[392]: ([[15.0]], [], ['5.0.1'], ['Android'])

In [394]: y[0,0]['OSversInt']
Out[394]: array([[array([[ 15.]])]], dtype=object)

In [395]: y[0,0]['OSname']
Out[395]: 
array([[array(['Android'], 
      dtype='<U7')]], dtype=object)

The 4d 'actual outcome' is the result of np.array producing the highest dimensional array it can.

First create the inner structured array:

In [405]: dt=y.item().dtype
In [406]: item=([[15.0]], [], ['5.0.1'], ['Android'])
In [407]: array1 = np.array([[item]], dtype=dt)
In [408]: array1
Out[408]: 
array([[([[15.0]], [], ['5.0.1'], ['Android'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSverStr', 'O'), ('OSname', 'O')])

If I just wrap it in a 2d object array, I get a 4d array:

In [409]: np.array([[array1]], dtype=object)
Out[409]: array([[[[([[15.0]], [], ['5.0.1'], ['Android'])]]]], dtype=object)

But if instead I create an empty 2d object array, and insert this inner array, I get something that matches the loadmat result:

In [410]: z=np.empty((1,1),dtype=object)
In [411]: z[0,0]=np.array([[item]], dtype=dt)
In [412]: z
Out[412]: 
array([[ array([[([[15.0]], [], ['5.0.1'], ['Android'])]], 
      dtype=[('OSversInt', 'O'), ('Desc', 'O'), ('OSverStr', 'O'), ('OSname', 'O')])]], dtype=object)

这篇关于scipy和保存mat文件（.mat matlab数据文件）的结构的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！