python - 提高将 numpy 数组转换为 MATLAB double 的性能

Question

从 Python 调用 MATLAB 必然会降低性能，我可以通过用 Python 重写(大量)代码来避免这种情况。然而，这对我来说不是一个现实的选择，但让我恼火的是，效率的巨大损失在于从 numpy 数组到 MATLAB double 的简单转换。

我说的是以下从 data1 到 data1m 的转换，其中

data1 = np.random.uniform(low = 0.0, high = 30000.0, size = (1000000,))
data1m = matlab.double(list(data1))

这里的 matlab.double 来自 Mathworks 自己的 MATLAB 包/引擎。第二行代码在我的系统上花费了 20 秒，这对于一个除了使数字对于 MATLAB 来说“可食用”之外没有真正做任何事情的转换来说似乎太多了。

所以基本上我正在寻找与给出的技巧相反的技巧 here用于将 MATLAB 输出转换回 Python。

Answer 1

高效传递 numpy 数组

查看文件夹 PYTHONPATH\Lib\site-packages\matlab\_internal 中的文件 mlarray_sequence.py。在那里您会找到 MATLAB 数组对象的构造。性能问题来自于在 generic_flattening 函数中使用循环复制数据。

为了避免这种行为，我们将稍微编辑一下文件。此修复应该适用于复杂和非复杂数据类型。

1. 备份原始文件以防出现问题。

2. 将import numpy as np添加到文件开头的其他导入

3. 在第 38 行你应该找到:

   init_dims = _get_size(initializer)
   

   将其替换为:

   try:
       init_dims=initializer.shape
   except:
       init_dims = _get_size(initializer)
   

4. 在第 48 行你应该找到:

   if is_complex:
       complex_array = flat(self, initializer,
                            init_dims, typecode)
       self._real = complex_array['real']
       self._imag = complex_array['imag']
   else:
       self._data = flat(self, initializer, init_dims, typecode)
   

   将其替换为:

   if is_complex:
       try:
           self._real = array.array(typecode,np.ravel(initializer, order='F').real)
           self._imag = array.array(typecode,np.ravel(initializer, order='F').imag)
       except:
           complex_array = flat(self, initializer,init_dims, typecode)
           self._real = complex_array['real']
           self._imag = complex_array['imag']
   else:
       try:
           self._data = array.array(typecode,np.ravel(initializer, order='F'))
       except:
           self._data = flat(self, initializer, init_dims, typecode)
   

现在您可以将 numpy 数组直接传递给 MATLAB 数组创建方法。

data1 = np.random.uniform(low = 0.0, high = 30000.0, size = (1000000,))
#faster
data1m = matlab.double(data1)
#or slower method
data1m = matlab.double(data1.tolist())

data2 = np.random.uniform(low = 0.0, high = 30000.0, size = (1000000,)).astype(np.complex128)
#faster
data1m = matlab.double(data2,is_complex=True)
#or slower method
data1m = matlab.double(data2.tolist(),is_complex=True)

MATLAB 数组创建的性能提高了 15 倍，界面现在更易于使用。