Komplexe matlab-Daten-Struktur in python (numpy/scipy)

Ich habe die Daten derzeit wie folgt strukturiert in Matlab

item{i}.attribute1(2,j)

Wobei Element ist eine Zelle aus i = 1 .. n jede enthält die Datenstruktur, die von mehreren Attributen jeweils eine matrix der Größe 2,j wobei j = 1 .. m,. Die Anzahl der Attribute ist nicht festgelegt.

Ich übersetzen diese Daten-Struktur von python, aber ich bin neu auf numpy und python-Listen. Was ist die beste Art der Strukturierung dieser Daten in python mit numpy/scipy?

Dank.

Wie müssen Sie mit den Daten arbeiten? Die einfachste Sache wäre, nur dump alles in eine Sequenz von verschachtelten Listen, aber ich habe den leisen Verdacht, dass wäre keine Unterstützung für die Art von Funktionalität, die Sie suchen.

InformationsquelleAutor SkyNT | 2012-07-24

20

Habe ich oft gesehen, die nach der Konvertierung Ansätze:

matlab-array -> python-numpy-array

matlab-cell-Arrays -> python-Liste

matlab Struktur -> python dict

Also in deinem Fall, dass entspräche einer python-Liste mit dicts, die sich selbst enthalten numpy-arrays, die als Einträge

item[i]['attribute1'][2,j]

Hinweis

Vergessen Sie nicht, die 0-Indizierung in python!

[Update]

Zusätzliche Informationen: Verwenden von Klassen

Weiter, um die einfache Umwandlung, die oben gegeben, könnte man auch definieren eine dummy-Klasse, z.B.
```
class structtype():
    pass
```
Dies erlaubt die folgende Art der Nutzung:
```
>> s1 = structtype()
>> print s1.a
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-40-7734865fddd4> in <module>()
----> 1 print s1.a
AttributeError: structtype instance has no attribute 'a'
>> s1.a=10
>> print s1.a
10
```
Dein Beispiel in diesem Fall wird, z.B.
```
>> item = [ structtype() for i in range(10)]
>> item[9].a = numpy.array([1,2,3])
>> item[9].a[1]
2
```
InformationsquelleAutor jmetz
1

Wenn Sie auf der Suche für ein gutes Beispiel, wie man ein strukturiertes array in Python ist, wie es ist getan in MATLAB, möchten Sie vielleicht einen Blick auf die scipy-homepage (Grundlagen.rec).

Beispiel
```
x = np.zeros(1, dtype = [('Table', float64, (2, 2)),
                         ('Number', float),
                         ('String', '|S10')])

# Populate the array
x['Table']  = [1, 2]
x['Number'] = 23.5
x['String'] = 'Stringli'

# See what is written to the array
print(x)
```
Die gedruckte Ausgabe ist dann:
```
[([[1.0, 2.0], [1.0, 2.0]], 23.5, 'Stringli')]
```
Habe ich leider nicht herausfinden, wie Sie definieren können, die ein strukturiertes array, ohne zu wissen, die Größe der strukturierten array. Sie können auch definieren, das array direkt mit dem Inhalt.
```
x = np.array(([[1, 2], [1, 2]], 23.5, 'Stringli'),
                dtype = [('Table', float64, (2, 2)),
                         ('Number', float),
                         ('String', '|S10')])

# Same result as above but less code (if you know the contents in advance)
print(x)
```
- Ich kann verstehen, dass Sie will, treu zu sein, an die matlab-format.. ist aber nicht die Funktionalität die gleiche wie ein dict?
- Nein, es gibt mehr Funktionen auf strukturierten arrays. NumPy kann auch führen Sie Ihren optimierten algorithmen auf strukturierten arrays. Dies ist der Grund, warum ich es verwenden.
- vielen Dank für diese. Es scheint, dass diese strukturierten arrays mit multi-Indizierung können, Verhalten sich genauso wie eine einfache pandas dataframe. Das ist großartig! 🙂
- Gut, pandas setzt auf numpy. Es ist nur umschließt das numpy-array in ein wenig Aufwand. Aus diesem Grund habe ich nie angefangen, mit pandas. Ich hoffe, Sie verstehen den Ursprung dieser ähnlichkeit jetzt.
InformationsquelleAutor strpeter

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.

Beispiel