mat矩陣和npy矩陣怎么實(shí)現(xiàn)互相轉(zhuǎn)換

這篇“mat矩陣和npy矩陣怎么實(shí)現(xiàn)互相轉(zhuǎn)換”文章的知識(shí)點(diǎn)大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細(xì)，步驟清晰，具有一定的借鑒價(jià)值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“mat矩陣和npy矩陣怎么實(shí)現(xiàn)互相轉(zhuǎn)換”文章吧。

mat矩陣和npy矩陣互相轉(zhuǎn)換

numpy.narray矩陣保存為mat文件

import numpy as np
import scipy.io as io
mat_path = 'your_mat_save_path'
mat = np.zeros([4, 20])
io.savemat(mat_path, {'name': mat})

注意這里的mat是numpy類型的

讀取mat文件

import numpy as np
from scipy import io
mat = io.loadmat('yourfile.mat')
# 如果報(bào)錯(cuò):Please use HDF reader for matlab v7.3 files
# 改為下一種方式讀取
import h6py
mat = h6py.File('yourfile.mat')
# mat文件里可能有多個(gè)cell，各對(duì)應(yīng)著一個(gè)dataset
# 可以用keys方法查看cell的名字, 現(xiàn)在要用list(mat.keys()),
# 另外，讀取要用data = mat.get('名字'), 然后可以再用Numpy轉(zhuǎn)為array
print(mat.keys())
# 可以用values方法查看各個(gè)cell的信息
print(mat.values())
# 可以用shape查看維度信息
print(mat['your_dataset_name'].shape)
# 注意，這里看到的shape信息與你在matlab打開的不同
# 這里的矩陣是matlab打開時(shí)矩陣的轉(zhuǎn)置
# 所以，我們需要將它轉(zhuǎn)置回來
mat_t = np.transpose(mat['your_dataset_name'])
# mat_t 是numpy.ndarray格式
# 再將其存為npy格式文件
np.save('yourfile.npy', mat_t)

npy文件與mat文件的保存與讀取

除了常用的csv文件和excel文件之外，我們還可以通過PY把數(shù)據(jù)保存文npy文件格式和mat文件格式。

1. npy文件

npy即numpy對(duì)應(yīng)的文件格式，關(guān)于其保存使用的是np.save()方法，其讀取使用的是np.load()方法。 

具體示例如下：

import numpy as np
a = np.mat('1, 2, 3;4, 5, 6')
print(a)
print(type(a))
print("=================================")
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
print(type(b))

保存文件：

如圖，矩陣和numpy數(shù)組都支持以npy文件類型保存。

np.save('a.npy', a)
np.save('b.npy', b)

讀取文件

data1 = np.load('a.npy')
data2 = np.load('b.npy')
print(data1)
print(type(data1))
print("=================================")
print(data2)
print(type(data2))

如圖npy數(shù)據(jù)被成功讀取，且都是numpy數(shù)組數(shù)據(jù)類型。

2. mat文件

保存為mat文件依賴于scipy庫中的scipy.io.savemat()方法，讀取則需要用到scipy.io.loadmat()方法。

保存時(shí)，不僅僅需要傳入變量，還需要將該變量的類型一并以字典的形式傳入，一樣支持numpy數(shù)組和矩陣。

具體示例如下：

import numpy as np
from scipy import io
a = np.mat('1, 2, 3;4, 5, 6')
print(a)
print(type(a))
print("=================================")
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
print(type(b))
io.savemat('a.mat', {'matrix': a})
io.savemat('b.mat', {'array': b})

讀取數(shù)據(jù)

data1 = io.loadmat('a.mat')
print(data1)
print(type(data1))
print("=================================")
data2 = io.loadmat('b.mat')
print(data2)
print(type(data2))

如圖，數(shù)據(jù)成功被讀取。但是讀取的結(jié)果是一個(gè)字典，如果需要進(jìn)一步讀取到數(shù)據(jù)，則需要根據(jù)鍵名將其取出：

print(data1['matrix'])
print(type(data1['matrix']))
print("=================================")
print(data2['array'])
print(type(data2['array']))

取出時(shí)的鍵與存儲(chǔ)時(shí)的變量類型有關(guān)，取出的數(shù)據(jù)都是numpy數(shù)組，不再有矩陣類型。

以上就是關(guān)于“mat矩陣和npy矩陣怎么實(shí)現(xiàn)互相轉(zhuǎn)換”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對(duì)大家有幫助，若想了解更多相關(guān)的知識(shí)內(nèi)容，請(qǐng)關(guān)注億速云行業(yè)資訊頻道。