python 与 matlab 混编

用于 Python 的 MATLAB 引擎 API 快速入门

安装用于 Python 的 MATLAB 引擎 API

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。

• 在 Windows 系统中：(可能需要管理员权限运行)

cd "matlabroot\extern\engines\python"
python setup.py install

• 在 Mac 或 Linux 系统中：

cd "matlabroot/extern/engines/python"
python setup.py install

基础用法

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
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]]

Python的扩展接口 中介绍：

Python 还可以通过引擎完成对 Matlab 的一些基本操作与控制。以下代码需要在终端运行：

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()

Python-Matlab调用（call） m 文件

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)

资料：Python与Matlab混合编程

MATLAB 中 调用 Python

只要正确安装对应的 matlab 和 python，一般就可以使用了（不需要手动设置路径）。

matlab 官方教程：从 MATLAB 调用 Python

相关资料：NumPy for MATLAB users

matlab 把所有参数输出到一个文件里，然后用 system 命令调 python 脚本。python 脚本读文件做计算结果再写文件。最后 matlab 再读文件得到结果。假设 python 脚本的用法是：

python xxx.py in.txt out.txt

则 matlab 调用的命令：

[status, cmdout] = system('python xxx.py in.txt out.txt')

Matlab 的 system 函数用来向操作系统发送一条指令，并得到控制台的输出，可以直接将控制台的输出在 Command Window 打印出来，或者保存在变量中。 与 system 类似的还有 dos 函数和 unix 函数，我觉得它们都是对 system 函数的一种包装，而 Matlab 的 system 函数也许是对 C 的库函数system 的包装。

先编写一个调用 Python 脚本的 matlab 程序即 python.m

function [result status] = python(varargin)
% call python
%命令字符串
cmdString='python';
for i = 1:nargin
    thisArg = varargin{i};
    if isempty(thisArg) | ~ischar(thisArg)
        error(['All input arguments must be valid strings.']);
    elseif exist(thisArg)==2
        %这是一个在Matlab路径中的可用的文件
        if isempty(dir(thisArg))
            %得到完整路径
            thisArg = which(thisArg);
        end
    elseif i==1
        % 第一个参数是Python文件 - 必须是一个可用的文件
        error(['Unable to find Python file: ', thisArg]);
    end
    % 如果thisArg中有空格，就用双引号把它括起来
    if any(thisArg == ' ')
          thisArg = ['"''"', thisArg, '"'];
    end
    % 将thisArg加在cmdString后面
    cmdString = [cmdString, ' ', thisArg]
end
%发送命令
[status,result]=system(cmdString);
end

就可以用这个函数调用 python 脚本了。 下面就来个调用 python 脚本 matlab_readlines.py (保存在 matlab 当前目录)的例子：

import sys
def readLines(fname):
    try:
        f=open(fname,'r')
        li=f.read().splitlines()
        cell='{'+repr(li)[1:-1]+'}'
        f.close()
        print cell
    except IOError:
        print "Can't open file "+fname
if '__main__'==__name__:
    if len(sys.argv)<2:
        print 'No file specified.'
        sys.exit()
    else:
        readLines(sys.argv[1])

这个脚本用来读取一个文本文件，并生成 Matlab 风格的 cell 数组的定义字符串，每个单元为文本的一行。 放了一个测试用的文本文件 test.txt 在Matlab 的 Current Directory 中，内容如下：

This is test.txt
It can help you test python.m
and matlab_readlines.py

测试：

在 Matlab 的 Command Window 中输入：

str = python('matlab_readlines.py','test.txt');
eval(['c = ' str])
celldisp(c)

下面我举一个 python 转 matlab 的例子：

HDF5 转 .mat

首先引入 Bunch 转换为 HDF5 文件：高效存储 Cifar 等数据集 封装的 X.h5 数据集。

# 载入必备的库和数据
import tables as tb
import scipy.io as sio

h5 = tb.open_file('E:/xdata/X.h5')

fm = h5.root.fashion_mnist  # 获取 fashion_mnist 数据

mdict = {
    'testX':fm.testX[:].reshape((fm.testX.shape[0], -1)),
    'trainX':fm.trainX[:].reshape((fm.trainX.shape[0], -1)),
    'trainY':fm.trainY[:],
    'testY':fm.testY[:],

}

sio.savemat('fashion_mnist', mdict)   # 保存到本地 fashion_mnist.mat