Scipy.io.loadmat вложенные структуры (т.е. словари)

Ответ 1

Вот функции, которые восстанавливают словари, просто используют этот loadmat вместо scipy.io loadmat:

import scipy.io as spio

def loadmat(filename):
    '''
    this function should be called instead of direct spio.loadmat
    as it cures the problem of not properly recovering python dictionaries
    from mat files. It calls the function check keys to cure all entries
    which are still mat-objects
    '''
    data = spio.loadmat(filename, struct_as_record=False, squeeze_me=True)
    return _check_keys(data)

def _check_keys(dict):
    '''
    checks if entries in dictionary are mat-objects. If yes
    todict is called to change them to nested dictionaries
    '''
    for key in dict:
        if isinstance(dict[key], spio.matlab.mio5_params.mat_struct):
            dict[key] = _todict(dict[key])
    return dict        

def _todict(matobj):
    '''
    A recursive function which constructs from matobjects nested dictionaries
    '''
    dict = {}
    for strg in matobj._fieldnames:
        elem = matobj.__dict__[strg]
        if isinstance(elem, spio.matlab.mio5_params.mat_struct):
            dict[strg] = _todict(elem)
        else:
            dict[strg] = elem
    return dict

Ответ 2

Просто усиление для слияния ответа, которое, к сожалению, перестанет рекурсивно, если оно достигнет массива ячеек объектов. Следующая версия сделает их списки и продолжит рекурсию в элементы массива ячеек, если это возможно.

import scipy
import numpy as np


def loadmat(filename):
    '''
    this function should be called instead of direct spio.loadmat
    as it cures the problem of not properly recovering python dictionaries
    from mat files. It calls the function check keys to cure all entries
    which are still mat-objects
    '''
    def _check_keys(d):
        '''
        checks if entries in dictionary are mat-objects. If yes
        todict is called to change them to nested dictionaries
        '''
        for key in d:
            if isinstance(d[key], spio.matlab.mio5_params.mat_struct):
                d[key] = _todict(d[key])
        return d

    def _todict(matobj):
        '''
        A recursive function which constructs from matobjects nested dictionaries
        '''
        d = {}
        for strg in matobj._fieldnames:
            elem = matobj.__dict__[strg]
            if isinstance(elem, spio.matlab.mio5_params.mat_struct):
                d[strg] = _todict(elem)
            elif isinstance(elem, np.ndarray):
                d[strg] = _tolist(elem)
            else:
                d[strg] = elem
        return d

    def _tolist(ndarray):
        '''
        A recursive function which constructs lists from cellarrays
        (which are loaded as numpy ndarrays), recursing into the elements
        if they contain matobjects.
        '''
        elem_list = []
        for sub_elem in ndarray:
            if isinstance(sub_elem, spio.matlab.mio5_params.mat_struct):
                elem_list.append(_todict(sub_elem))
            elif isinstance(sub_elem, np.ndarray):
                elem_list.append(_tolist(sub_elem))
            else:
                elem_list.append(sub_elem)
        return elem_list
    data = scipy.io.loadmat(filename, struct_as_record=False, squeeze_me=True)
    return _check_keys(data)

Ответ 3

Найденное решение, можно получить доступ к содержимому объекта "scipy.io.matlab.mio5_params.mat_struct", можно исследовать с помощью:

v['b'].__dict__['c'].__dict__['d']

Ответ 4

Мне сообщили о списке бесплатной рассылки (https://mail.python.org/pipermail/scipy-user/), что есть еще два способа доступа к этим данным.

Это работает:

import scipy.io as spio
vig=spio.loadmat('xy.mat')
print vig['b'][0, 0]['c'][0, 0]['d'][0, 0]

Выход на моей машине: 3

Причина такого рода доступа: "По историческим причинам в Matlab все есть, по крайней мере, 2D-массив, даже скаляры". Таким образом scipy.io.loadmat имитирует поведение Matlab по умолчанию.

Ответ 5

Другой метод, который работает:

import scipy.io as spio
vig=spio.loadmat('xy.mat',squeeze_me=True)
print vig['b']['c'].item()['d']

Вывод:

3

Я узнал этот метод и в списке scipy рассылки. Я, конечно, не понимаю (пока), почему нужно добавить ".item()" и:

print vig['b']['c']['d']

вместо этого выдает ошибку:

IndexError: только целые числа, срезы (:), эллипсис (...), numpy.newaxis(None) и целые или логические массивы являются допустимыми индексами

но я вернусь, чтобы дополнить объяснение, когда я это знаю. Объяснение numpy.ndarray.item(from thenumpy reference): Скопируйте элемент массива в стандартный скаляр Python и верните его.

(Пожалуйста, обратите внимание, что этот ответ в основном совпадает с комментарием hpaulj к первоначальному вопросу, но я чувствовал, что комментарий не является "видимым" или достаточно понятным. Я, конечно, не заметил его, когда искал решение впервые, несколько недель назад).