如何有效地将Matlab引擎数组转换为numpy ndarray？

Question

我目前在一个项目中，需要执行一些步骤，以处理旧版Matlab代码（使用Matlab引擎），其余部分则使用Python（numpy）进行处理。

我注意到，将结果从Matlab转换matlab.mlarray.double为numpy的numpy.ndarray速度似乎非常慢。

这是一些示例代码，用于从另一个ndarray，列表和mlarray创建具有1000个元素的ndarray：

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

转换所需时间约为列表转换的100倍。

有什么办法可以加快转换速度吗？

Answer 1

发布问题后片刻，我找到了解决方案。

对于一维数组，仅访问_dataMatlab数组的属性。

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)

版画

From list
0.0719847538787
From matlab
7.12802865169
From matlab_data
0.118476275533

对于多维数组，您需要随后重新调整数组的形状。对于二维数组，这意味着调用

np.array(x._data).reshape(x.size[::-1]).T