Python的扩展接口[3] -> Matlab引擎 -> 使用 Python 调用 Matlab 程序

Python - Matlab

---

目录

1. Python-Matlab 引擎
2. Python-Matlab 数组
3. Python-Matlab 基本操作
4. Python-Matlab 调用 m 文件

Matlab的官方文档中介绍了Matlab与其余编程语言之间的引擎接口，其中包括对于Python开放的引擎API，可参考官方教程，其中包括引擎安装，基本使用，以及Python与Matlab之间的数据类型转换及交互。

除了使用官网的Matlab引擎来驱动Matlab外，还可以使用第三方包mlab来进行连接或直接使用win32com的dispatch来进行控制，但目前mlab仅支持Python 2的版本。

1 Python-Matlab引擎 / Pyhton-Matlab Engine

首先，需要确保Matlab及Python的配置和安装，利用Matlab提供的setup.py文件安装Python的引擎包，安装步骤及过程如下，

1. 确保安装可用的Python和Matlab，且两者版本对应，如32位的Matlab需对应32位的Python，同时还需查看Matlab支持的Python版本(目前2015a版支持的Python版本为2.7/3.3/3.4);

2. 添加Python目录到环境变量(如果未添加);

3. 获取Matlab文件夹目录，可通过Matlab命令行窗口输入matlabroot命令返回;

4. 安装引擎，Windows利用下面的命令(此处路径可能需要修改)进行安装，此处可能需要管理员权限运行。

 cd C:\Program Files\MATLAB\R2015a\extern\engines\python
 python setup.py install
 pause  

2 Python-Matlab数组 / Pyhton-Matlab Array

在Python中，如果需要创建一个Matlab的数组，也可以通过Matlab引擎API来完成，主要数据类型如下图显示。

下面介绍数组的基本使用，其基本使用方法与numpy类似，但是reshape()函数略有不同，

 import matlab.engine

 # Basic usage
 int_8 = matlab.int8([1, 2, 3, 4, 5, 6])
 print(int_8)    # [[1, 2, 3, 4, 5, 6]]
 print(int_8.size)   # (1, 6)
 int_8.reshape((2, 3))   # reshape function is different from numpy
 print(int_8)    # [[1, 3, 5], [2, 4, 6]]

 double = matlab.double([[1, 2, 3], [4, 5, 6]])
 print(double)   # [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]
 print(double[0])    # [1.0, 2.0, 3.0]
 print(double[1][2]) # 6.0

对于数组的切片，Matlab的array与Python的list也有所不同，官网给出的解释在于，Matlab数组切片返回的是一个视图，而不是像Python中返回一个浅拷贝。

 # Slice array
 py = [[1, 2, 3], [4, 5, 6]]
 mt = matlab.int32([[1, 2, 3], [4, 5, 6]])
 py[0] = py[0][::-1]
 mt[0] = mt[0][::-1]
 # Slicing a Matlab array returns a view instead of a shallow copy
 print(py)   # [[3, 2, 1], [4, 5, 6]]
 print(mt)   # [[3, 2, 3], [4, 5, 6]]

3 Python-Matlab基本操作 / Pyhton-Matlab Basic Operation

Python还可以通过引擎完成对Matlab的一些基本操作与控制。

完整代码

 import matlab.engine

 eng = matlab.engine.start_matlab()

 print(eng.sqrt(4.))     # 2.0
 eng.plot(matlab.int32([1, 2, 3, 4]), matlab.int32([1, 2, 3, 4]))

 eng.eval("hold on", nargout=0)
 eng.eval("plot([4, 3, 2, 1], [1, 2, 3, 4])", nargout=0)

 eng.eval("x = 3", nargout=0)
 eng.eval("y = 41", nargout=0)
 eng.eval("z = [213, 123]", nargout=0)
 print(eng.workspace)
 print(eng.workspace['x'], eng.workspace['z'])
 """
   Name      Size            Bytes  Class     Attributes

   x         1x1                 8  double
   y         1x1                 8  double
   z         1x2                16  double

 3.0 [[213.0,123.0]]
 """

 input("Press Enter to exit.")
 eng.quit()

分段解释

 import matlab.engine

 eng = matlab.engine.start_matlab()

首先导入需要的包并生成实例，此处调用sqrt()函数计算，得到结果，还可以利用引擎实例调用plot函数进行画图，但需要注意的是，传入的参数需要是Matlab类型参数。

 print(eng.sqrt(4.))     # 2.0
 eng.plot(matlab.int32([1, 2, 3, 4]), matlab.int32([1, 2, 3, 4]))

当我们需要执行某些Matlab命令时，可以利用eval函数对其进行输入，下面的方法画出了另外一条直线，其中nargout参数为设置输出返回参数的数量，默认为1。无参数返回时需要设置为0。

 eng.eval("hold on", nargout=0)
 eng.eval("plot([4, 3, 2, 1], [1, 2, 3, 4])", nargout=0)

 eng.eval("x = 3", nargout=0)
 eng.eval("y = 41", nargout=0)
 eng.eval("z = [213, 123]", nargout=0)
 print(eng.workspace)
 print(eng.workspace['x'], eng.workspace['z'])
 """
   Name      Size            Bytes  Class     Attributes

   x         1x1                 8  double
   y         1x1                 8  double
   z         1x2                16  double

 3.0 [[213.0,123.0]]
 """

 input("Press Enter to exit.")
 eng.quit()

4 Python-Matlab调用m文件 / Pyhton-Matlab Call m File

下面介绍如何使用Python调用m来进行计算并获得返回结果，首先定义以下的m文件，在被调用的m文件中再调用下一个m文件，使用的m文件如下，

定义入口函数callentry，接收两个参数，随后对两个参数分别在内部进行加和乘操作，再调用外部另一个m文件的callsub函数进行相减操作，将返回的结果保存在数组r中返回。

callentry.m 代码

function [x, y, z] = callentry(a, b);
x = add(a, b)
y = mul(a, b)
z = callsub(a, b)
end

function l = mul(m, n);
l=m*n;
end

function l = add(m, n);
l=m+n;
end

callsub.m 代码

function r = callsub(a, b);
r = a-b;
end

在Python中，运行如下代码，

 import matlab.engine

 eng = matlab.engine.start_matlab()
 print(eng.callentry(7.7, 2.1, nargout=3))
 eng.quit()

Note: 值得注意的是，此处需要设置nargout参数，当未设置时默认为1，即默认只返回1个参数，当知道Matlab返回参数的数量时，通过nargout进行设置来获取所有需要的参数。无参数返回时请设为0。

在第一次运行生成实例时会较慢，因为需要启动Matlab引擎，最终得到输出如下，可以看到，Matlab的console界面显示的结果在Python中也会输出，最后得到的结果是列表形式的Python数据。

x =
    9.8000  

y =
   16.1700  

z =
    5.6000  

r =
    9.8000   16.1700    5.6000  

(9.8, 16.17, 5.6)