Python調用matlab 函數

在python中啓動matlab：

engine = matlab.engine.start_matlab()

 

如果輸入的變量X是表格式的數據（n*d），即 ndarray格式，需要進行轉換後再輸入：

data_list= matlab.double(X.tolist())

 

關鍵的就以上兩點。

注意：如果pathon版本是3.7或3.8的，要注意matlab引擎的版本是否合適(Matlab 2017b中自帶的引擎不合適)，需要更高級的Matlab版本，或者對python進行降低版本3.5或3.6都可以。

不建議對引擎文件setup.

具體看代碼：

import matlab
import matlab.engine
import pandas as pd
import numpy as np
from sklearn import datasets
X,y = datasets.make_blobs(n_samples=300, n_features=2,centers=2,cluster_std=[2.0,2.0],random_state=123) #python中導入或生成數據
fea = matlab.double(X.tolist())  ##數據格式轉換：fea 是機器學習中常用到的數據，在這裏是 300行 * 2列的數據。
engine = matlab.engine.start_matlab()  #啓動matlab引擎

sampRank = engine.Diaoyong(fea,20)  ##藉口函數：sampRank爲malab函數Diaoyong(fea,Num)的返回值。sampRank是一個數組。
print(sampRank)
print(type(sampRank))  ##<class 'mlarray.double'>

sRank = np.array(sampRank)  #將反饋數據轉換爲ndarray格式(現在還是個矩陣)
print(type(sRank))  ##<class 'numpy.ndarray'>

a = np.reshape(sRank,(1,len(sRank)))[0] # 方法1：將sRank轉換爲數組形狀（sRank本身沒變）
b = np.hstack(sRank)  #方法2：將sRank轉換爲（sRank本身沒變）
print("a=",a)
print("b=",b)
print(sRank)
# print(fea)

從Matlab返回的矩陣，如若報錯 是不可接受的類型。然而經過檢查缺是矩陣且double類型。則要檢查該返回的矩陣是不是稀疏矩陣。python無法識別matlab的稀疏矩陣。