python - numpy 数组中的 ndim 加载了 scipy.io.loadmat？

Question

使用 SciPy 和 MATLAB，我无法重建数组以匹配使用 scipy.io.loadmat() 加载的 MATLAB 元胞数组给出的内容。

例如，假设我在 MATLAB 中创建一个包含一对 double 组的单元，然后使用 scipy.io 加载它(我使用 SPM 与 pynifti 等结合进行成像分析)

MATLAB

>> onsets{1} = [0 30 60 90]
>> onsets{2} = [15 45 75 105]

Python

>>> import scipy.io as scio
>>> mat = scio.loadmat('onsets.mat')
>>> mat['onsets'][0]
array([[[ 0 30 60 90]], [[ 15  45  75 105]]], dtype=object)

>>> mat['onsets'][0].shape

(2,)

我的问题是:为什么这个 numpy 数组的形状是 (2,) 而不是 (2,1,4)？在现实生活中，我尝试使用 Python 解析日志文件并构建这些起始元胞数组，因此我希望能够从头开始构建它们。

当我尝试从打印输出构建相同的数组时，我得到了不同的形状:

>>> new_onsets = array([[[ 0, 30, 60, 90]], [[ 15,  45,  75, 105]]], dtype=object)
array([[[0, 30, 60, 90]],

       [[15, 45, 75, 105]]], dtype=object)

>>> new_onsets.shape
(2,1,4)

不幸的是，形状(元胞数组中的 double 向量)是在上游规范中编码的，因此我需要能够以这种格式准确保存它。当然，这不是什么大问题，因为我可以在 MATLAB 中编写解析器，但如果能弄清楚发生了什么并增加我对 numpy 的[微薄]知识，那就太好了。

Answer 1

这是我个人觉得 python 中有点烦人的事情之一。这是因为 loadmat 自动“挤压”尺寸。

默认情况下，squeeze_me=True，因此您会看到:

>>> x = sio.loadmat('mymat.mat',squeeze_me=True)
>>> y = x['onsets']
>>> y.shape
(2,)

如果您使用 loadmat 且将 squeeze_me 设置为 False，则不会挤出一维:

>>> a = sio.loadmat('mymat.mat',squeeze_me=False)
>>> a
>>> b = a['onsets']
>>> b.shape
(1, 2)

也就是说，我一生都无法弄清楚如何让另一个维度显示(即 b.shape = (1,2,4))像“onsets”这样的元胞数组。我只能为非单元普通 MATLAB 数组获取它

onset_array = [onsets{1}; onsets{2}];