1、使用Matlab数组

我们知道NumPy为我们提供了以可读格式保存数据的方法。但是SciPy也为我们提供了与Matlab的互操作性。

SciPy为我们提供了scipy.io模块，该模块具有使用Matlab数组的功能。

2、导出Matlab格式的数据

savemat()函数允许我们以Matlab格式导出数据。

该方法采用以下参数：

1. filename - 用于保存数据的文件名。
2. mdict - 包含数据的字典。
3. do_compression - 一个布尔值，指定是否压缩结果。默认False。

例如：

将以下数组作为变量名称“vec”导出到mat文件：

from scipy import io
import numpy as np

arr = np.arange(10)

io.savemat('arr.mat', {"vec": arr})

注意：上面的示例在您的计算机上保存了一个文件名“arr.mat”。要打开该文件，请查看下面的“从Matlab格式导入数据”示例：

3、导入Matlab格式的数据

loadmat()函数允许我们从Matlab文件中导入数据。

该函数采用一个必需的参数：

filename-已保存数据的文件名。

它将返回一个结构化的数组，其键是变量名，而对应的值是变量值。

例如： 

从以下mat文件导入数组：

from scipy import io
import numpy as np

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9,])

# Export:
io.savemat('arr.mat', {"vec": arr})

# Import:
mydata = io.loadmat('arr.mat')

print(mydata)

Result:

 {
   '__header__': b'MATLAB 5.0 MAT-file Platform: nt, Created on: Tue Sep 22 13:12:32 2020',
   '__version__': '1.0',
   '__globals__': [],
   'vec': array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
 }

使用变量名称“vec”仅显示来自matlab数据的数组：

例如： 

from scipy import io
import numpy as np

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9,])

#Export:
io.savemat('arr.mat', {"vec": arr})

#Import:
mydata = io.loadmat('arr.mat')
print(mydata['vec'])

 Result:

 [[0 1 2 3 4 5 6 7 8 9]]

注意：我们可以看到该数组最初是1D，但是在提取时它增加了一维。

为了解决这个问题，我们可以传递一个额外的参数squeeze_me = True：

例如：

from scipy import io
import numpy as np

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9,])

#Export:
io.savemat('arr.mat', {"vec": arr})
mydata = io.loadmat('arr.mat', squeeze_me=True)

print(mydata['vec']) 

Result:

 [0 1 2 3 4 5 6 7 8 9]