Matlab mat转Python npy实战：Cell处理、维度变换及常见报错解析

近期工作涉及将Matlab处理后的mat数据转换为Python可用的npy格式，以便输入神经网络进行训练。在此过程中遇到若干典型问题，现整理如下供参考。

Matlab中的Cell

对于两层嵌套的Cell数组（即Cell中嵌套Cell），直接使用cell2mat函数会报错，无法直接转换。

为解决上述问题，需掌握Matlab中元胞数据的读取与保存方法。

Cell的读取

在Matlab中，使用{}访问Cell的内容，而使用()访问Cell本身的位置或结构。

Cell与Mat矩阵的转换

单个Cell转换为Mat矩阵时，可直接调用cell2mat函数。

cell2mat函数的作用是将元胞数组转换为普通矩阵，前提是所有Cell内容数据类型必须一致（如均为字符，则转换为字符矩阵）。

若遇到两层或更多层的Cell结构，需编写循环逐层读取数据，并存入新的数据结构中，无法直接一步转换。

for i=1:n_actions_train
     for j=1:n_num
         matrix_train(i,j,:,:,:)=train_fea{i}{j};  %train_fea是cell数据
     end     
 end

Matlab中的reshape和permute

reshape

该函数用于重构数据，将给定数据重排为指定尺寸（size）的新数组。

用法如下：

B = reshape(A,sz)
B = reshape(A,sz1,...,szN)

B = reshape(A,sz)，其中sz为大小向量，用于定义输出数组B的尺寸。

例如，reshape(A,[2,3])将数组A重构为2行3列的矩阵。

sz向量至少包含2个元素，且sz中所有元素乘积必须等于输入数组A的元素总数numel(A)。

% eg. 1: 将 1×10 向量重构为 5×2 矩阵。
A = 1:10;
B = reshape(A,[5,2])

指定维度大小时，需为两个或更多整数，其中最多允许一个维度指定为[]（自动计算）。指定维度的大小必须能整除输入数组的元素总数，以确保输出数组B的元素总数与A一致。

当使用[]自动计算某维度大小时，其他显式指定的维度必须均匀划分输入矩阵A的元素数目。

对于超过第二维度的维度，若尾部维度大小为1，输出B将省略这些大小为1的尾部维度。例如，reshape(A,3,2,1,1)生成的结果仅为3×2矩阵。

permute

该函数用于置换数组的维度顺序。

B = permute(A,dimorder)

eg. 1 : 创建一个 3×4×2 数组并对其进行置换，交换第一个维度和第三个维度，从而得到 2×4×3 数组.
A = rand(3,4,2)
B = permute(A,[3 2 1])

reshape与permute的主要区别在于：reshape改变数据的维度形状但保持数据总量不变，仅重新排列行列组合，各维度size可能变化；而permute仅调整维度顺序，不改变各维度的具体size。

permute常用于提取特定维度间的子矩阵。例如，若需获取某两个维度构成的矩阵，可先用permute将这两个维度调整至前方，便于后续索引操作。

需注意，permute函数不会改变每个维度的size，仅改变其排列顺序。

Please use HDF reader for matlab v7.3 files

Matlab中保存较大mat文件时，推荐使用v7.3格式。然而，Python中scipy库的loadmat函数不支持读取该版本数据。经排查，可使用h5py库中的File函数进行读取，添加h5py依赖后调用h5py.File()即可解决。

IndexError: only integers, slices (:), ellipsis (...)……

经检查，该错误源于索引处使用了浮点数。由于Matlab中数据默认保存为double类型，在转换至其他语言时，需手动将其强制转换为int型，否则会导致索引错误。

因此，从Matlab导出数据至其他语言时，务必注意数据类型转换，提前将double强制转换为整型以避免此类问题。

IndexError: index *** is out of bounds for axis 1 with size ***

该错误通常由索引越界引起。Matlab中获取的邻接矩阵在记录邻居时，下标从1开始；而Python默认下标从0开始，直接迁移会导致越界。

值得注意的是，Matlab中所有维度下标均从1开始，且矩阵读取顺序为列优先；而Python和C++等语言通常为行优先。因此，在数据迁移至Python时，通常需要先进行转置（transpose）操作以匹配内存布局。

总结

以上为个人在处理Matlab至Python数据迁移过程中的经验总结，希望能提供有益参考，欢迎交流指正。