如何高效地将 Matlab 引擎数组转换为 numpy ndarray？

Question

我目前正在做一个项目，我需要用遗留的 Matlab 代码（使用 Matlab 引擎）做一些处理步骤，其余的在 Python (numpy) 中。

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

下面是一些示例代码，用于创建一个 ndarray，其中包含来自另一个 ndarray 的 1000 个元素、一个列表和一个 mlarray：

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)

这需要以下时间：

From other array
0.00150722111994
From list
0.0705359556928
From matlab
7.0873282467

转换时间大约是列表转换时间的 100 倍。

有什么方法可以加快转换速度吗？

Answer 1

发布问题后不久，我找到了解决方案。

对于一维数组，只访问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，您之后需要重新整形数组。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 的答案非常适合二维数组，但使其适应 N 维数组的一种方法是使用 np.reshape() 的 order 参数：

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

如何高效地将 Matlab 引擎数组转换为 numpy ndarray？

How to efficiently convert Matlab engine arrays to numpy ndarray?

python

matlab

numpy

type-conversion

matlab-engine