python - 使用python存储matlab文件

Question

我有一个复杂的数据结构

data = {}
temp = {}

data['bigdata'] = temp;

在此之后，我将一些其他数据结构中的“key”和“data”值复制到 temp 中，就像这样

for key in backup.keys():
    temp[key] = []

和

for key in backup.keys():
    for val in backup[key]:
        temp[key].append(val);

在那之后如果我这样做

sio.savemat(outputMATfile,data,oned_as ='column')

它给我错误提示

TTypeError: data type not understood

难道不能使用 python 将像这样的复杂字典存储在 matlab 文件中吗？

Answer 1

编辑:答案(和问题有所不同)已发生重大变化，变得更加笼统。如果提问者告诉我们 backup 中的值是什么类型的对象，它仍然有用。

scipy.io.savemat 显然可以接受数组字典的字典，所以这个结构

from numpy import array
import scipy.io
data = {
    'bigdata' : {
        'a' : array([1, 2, 3]),
        'b' : array([1, 2, 3]),
        'c' : array([1, 2, 3]),
     }
}
scipy.io.savemat('test.mat', data)

载入 matlab 为

>> load test.mat
>> bigdata

bigdata = 

    a: [3x1 int64]
    c: [3x1 int64]
    b: [3x1 int64]

我想这些字典可以嵌套到 python 的递归限制，因为实现是递归的。我测试了 6 层嵌套字典。编辑:现在你问的是这样的结构:

data = {
    'key1' : ['a' : apple, 'b' : banana],
    'key2' : ['c' : crabapple, 'd' : dragonfruit],
    ...
    }

而且您还没有具体说明苹果、香蕉等是什么。这取决于您希望在 Matlab 对象中使用这些 Python 对象的哪些数据。我测试了几个类，如 str(转换为 char 数组)、set(无法转换为数组)和 list(如果是同类数组，如果是一些字符串、一些数字则为字符数组)。代码看起来很像鸭子类型，所以如果这些对象有任何通用的数据保存接口(interface)，它应该可以通过；我在这里摘录了 matlab5 版本的 most relevant bit:

def to_writeable(source)
    if isinstance(source, np.ndarray):
        return source
    if source is None:
        return None
    # Objects that have dicts
    if hasattr(source, '__dict__'):
        source = dict((key, value) for key, value in source.__dict__.items()
                      if not key.startswith('_'))
    # Mappings or object dicts
    if hasattr(source, 'keys'):
        dtype = []
        values = []
        for field, value in source.items():
            if (isinstance(field, basestring) and
                not field[0] in '_0123456789'):
                dtype.append((field,object))
                values.append(value)
        if dtype:
            return np.array( [tuple(values)] ,dtype)
        else:
            return None
    # Next try and convert to an array
    narr = np.asanyarray(source)
    if narr.dtype.type in (np.object, np.object_) and \
       narr.shape == () and narr == source:
        # No interesting conversion possible
        return None
    return narr

• Code for recursive write function that calls above function