前言

因?yàn)轫?xiàng)目需要，需要批處理很多Matlab的.m文件，從每個(gè)文件中提取結(jié)果合并到一個(gè)文件中。 很明顯，如果手工統(tǒng)計(jì)，幾百個(gè)文件會(huì)累死的。 因此立即想到了Python在批處理方面的優(yōu)勢(shì)，因此就在網(wǎng)上找了相關(guān)資料，實(shí)現(xiàn)了想要的功能，這里簡(jiǎn)單記錄一下。

一、環(huán)境準(zhǔn)備

首先電腦上要有Matlab，而且不能太老，比如Matlab 7.0可能就不行。 在電腦Matlab的安裝目錄下，依次找到MATLAB\R2015b\extern\engines\python，例如我電腦上的路徑是D:\Program Files\MATLAB\R2015b\extern\engines\python。 在這個(gè)目錄下有個(gè)setup.py。在命令行中安裝這個(gè)腳本，正常就可以成功了。

然后就可以在Python中import了，這個(gè)包的名字就叫”matlab”。

二、簡(jiǎn)單示例

下面的代碼簡(jiǎn)單演示了在Python中調(diào)用了Matlab的sqrt()函數(shù)并返回結(jié)果。說(shuō)明了調(diào)用的主要步驟，同時(shí)加入了計(jì)時(shí)的代碼，記錄每個(gè)過(guò)程的耗時(shí)。

# coding=utf-8
import matlab.engine
import time
 
# 第一步，初始化Matlab的Runtime
t1 = time.time()
eng = matlab.engine.start_matlab()
t2 = time.time()
 
# 第二步，調(diào)用Matlab函數(shù)
res1 = eng.sqrt(16.0)
t3 = time.time()
 
res2 = eng.abs(-8.6)
t4 = time.time()
 
# 第三步，退出Runtime
eng.quit()
t5 = time.time()
 
print type(res1), res1
print type(res2), res2
print "Initial time", t2 - t1
print "Running time1", t3 - t2
print "Running time2", t4 - t3
print "Quit time", t5 - t4

可以看到，程序輸出了和在Matlab中調(diào)用函數(shù)一樣的格式ans=…。同時(shí)可以發(fā)現(xiàn)，與C# & Matlab混合編程類似，程序運(yùn)行最耗時(shí)的就是Runtime的初始化。 不同的運(yùn)算耗時(shí)的差別與初始化耗時(shí)相比可以忽略不計(jì)。同時(shí)Runtime只要初始化一次，第二次調(diào)用函數(shù)時(shí)就不需要再初始化了。這些都和C#的接口是一樣的。

三、更復(fù)雜的示例

很明顯，我們好不容易用Python調(diào)Matlab肯定不是想簡(jiǎn)單做個(gè)開方、取絕對(duì)值的運(yùn)算的，要不然直接Python就可以實(shí)現(xiàn)，何必殺雞焉用牛刀。 比如調(diào)用我們自己編寫的.m文件中的函數(shù)等等。下

1.調(diào)用.m文件

首先新建一個(gè)m文件，并起名為triangle.m，用于計(jì)算三角形面積。如下。

并且將這個(gè)m文件放在py文件同一路徑下，然后在Python中可以這樣調(diào)用。

# coding=utf-8
import matlab.engine
 
eng = matlab.engine.start_matlab()
eng.triangle(nargout=0)
eng.quit()

結(jié)果如下。

控制臺(tái)中像Matlab一樣輸出了結(jié)果。 但有幾點(diǎn)需要注意。首先nargout=0的含義是表示返回值為空。盡管控制臺(tái)打印出了結(jié)果，但并不會(huì)返回給Python。 如果沒有這個(gè)參數(shù)，程序會(huì)報(bào)錯(cuò)。同時(shí)m文件必須和腳本文件在同一目錄下才能運(yùn)行。而eng后面的內(nèi)容就是m文件的名字。

2.調(diào)用自定義函數(shù)

把之前的m文件少做修改，編程Matlab函數(shù)，如下。

Python調(diào)用代碼如下：

# coding=utf-8
import matlab.engine
 
eng = matlab.engine.start_matlab()
ans = eng.triangle(2.3, 9.1)
print ans
eng.quit()

這里用變量ans接收了返回值，下一步就可以繼續(xù)用于其它操作了。 這里也有需要注意的地方。需要記住的是eng后面的依然是m文件的名字而不是函數(shù)的名字。 這里就涉及到Matlab中函數(shù)的命名規(guī)范問題了。一般情況下函數(shù)名與m文件名保持一致。 但如果不一致，在Python中經(jīng)過(guò)測(cè)試也可以，但最好保持一致。

對(duì)于多返回值函數(shù)，可以在Matlab中組成一個(gè)矩陣，直接返回這個(gè)矩陣，然后在Python中再解析。 或者指定返回值個(gè)數(shù)。

不過(guò)需要注意的是，例如Matlab返回了一個(gè)a = [[1 2 3]]的矩陣，但直接獲取a[0]是錯(cuò)的。因?yàn)镸atlab返回的是一個(gè)二維矩陣，所以矩陣其實(shí)是1×3。 所以應(yīng)該按照行列的方式讀取，寫成a[0][0]。

在Python中創(chuàng)建Matlab矩陣也很簡(jiǎn)單。代碼如下：

# coding=utf-8
import matlab.engine
 
A = matlab.int8([1, 2, 3, 4, 5])
print type(A), A.size, A

輸出結(jié)果如下：

3.繪圖測(cè)試

代碼如下。

#coding=utf-8
import matlab.engine
 
 
def plot_test(eng):
    eng.workspace['data'] = \
        eng.randi(matlab.double([1, 100]), matlab.double([30, 2]))
    eng.eval("plot(data(:,1),'ro-')")
    eng.hold('on', nargout=0)
    eng.eval("plot(data(:,2),'bx--')")
 
 
eng = matlab.engine.start_matlab()
plot_test(eng)
# 需要讓程序在這暫停，類似于C++里的system('pause')，不然Figure一閃而過(guò)
# 按任意鍵退出
raw_input()
eng.quit()

運(yùn)行結(jié)果如下。

首先，對(duì)于一些簡(jiǎn)單的命令，如max、min、power、sqrt等，我們直接可以eng.xxx()來(lái)完成。 但對(duì)于如繪圖等稍微復(fù)雜的命令，我們就可以使用eng.eval()函數(shù)來(lái)完成。 其中參數(shù)是我們拼接的需要執(zhí)行的字符串，如“plot(data(:,1),’ro-‘)”等。這樣程序在運(yùn)行時(shí)就會(huì)調(diào)用Matlab執(zhí)行這一行語(yǔ)句。 所以其實(shí)同理，我們完全可以把之前的例子寫成eng.eval("sqrt(16.0)",nargout=0)，控制臺(tái)會(huì)輸出結(jié)果4。 或者全部用eval()函數(shù)來(lái)寫Matlab命令，不與Python進(jìn)行數(shù)據(jù)交互，只是調(diào)用Matlab。 在使用eval()時(shí)需要注意返回值的問題。如果沒有返回值，別忘了加上一句nargout=0。

以上只是很少一部分混合編程的相關(guān)知識(shí)，只是項(xiàng)目中用到的部分。其實(shí)還有很多東西可以學(xué)習(xí)，更多有關(guān)Python Matlab混合編程的說(shuō)明可以參考官方文檔。 看到網(wǎng)上還有一種Matlab的調(diào)用方式，直接pip install mlab，然后直接import mlab就可以了，但是沒有嘗試，因此這里不多介紹了。

四、項(xiàng)目相關(guān)

最后簡(jiǎn)單說(shuō)一下項(xiàng)目相關(guān)的東西。項(xiàng)目中的需求是，有很多.m文件分布在許多文件夾中，需要獲取到某一路徑下的全部m文件。 然后獲取m文件中矩陣的相關(guān)統(tǒng)計(jì)值。最后再將各個(gè)m文件的統(tǒng)計(jì)結(jié)果匯總在一個(gè)m文件中。 因此使用了Python的os模塊遍歷文件夾，獲取所有m文件的路徑，然后根據(jù)指定的規(guī)則對(duì)m文件進(jìn)行重寫，并輸出成新的m文件放在腳本目錄下。 最后通過(guò)Python調(diào)用Matlab運(yùn)行m腳本，輸出結(jié)果到Python中，Python集中匯總輸出。

這里的關(guān)鍵點(diǎn)之一是由于各個(gè)m文件的文件名是不同的，因此eng.xxx()是沒有辦法在運(yùn)行前寫死的。 必須根據(jù)讀取的文件名動(dòng)態(tài)生成Python語(yǔ)句然后運(yùn)行。這對(duì)于傳統(tǒng)編譯型語(yǔ)言可能很難實(shí)現(xiàn)，但對(duì)Python解釋型語(yǔ)言很容易實(shí)現(xiàn)。 在Python中有exec()函數(shù)可以實(shí)現(xiàn)這個(gè)需求，其中參數(shù)是需要執(zhí)行的代碼字符串。 項(xiàng)目部分代碼如下：

def joinCode(new_names):
    codes = []
    for item in new_names:
        codes.append("res = eng." + item + "()")
    return codes
 
 
def execMatlab(codes, exs, ex2s, eys, ey2s):
    eng = matlab.engine.start_matlab()
    for code in codes:
        exec code
        exs.append(res[0][0])
        ex2s.append(res[0][1])
        eys.append(res[0][2])
        ey2s.append(res[0][3])
    eng.quit()

項(xiàng)目中首先調(diào)用joinCode()函數(shù)根據(jù)new_names列表動(dòng)態(tài)生成代碼字符串存放在codes中。 然后調(diào)用execMatlab()函數(shù)依次執(zhí)行每條語(yǔ)句。這里的res看似并沒有在代碼中定義，而且在IDE中確實(shí)也會(huì)報(bào)錯(cuò)，說(shuō)未定義。 但是其實(shí)它是在動(dòng)態(tài)執(zhí)行的代碼中定義的，因此執(zhí)行時(shí)是不會(huì)報(bào)錯(cuò)的。

順帶提一下，在Python中，執(zhí)行系統(tǒng)命令調(diào)用的是os.system()函數(shù)。參數(shù)就是需要執(zhí)行的代碼。 而且這個(gè)函數(shù)對(duì)于Windows和Linux都適用，是跨平臺(tái)的。類似于os.walk()等內(nèi)置函數(shù)，都是抽象后的與系統(tǒng)無(wú)關(guān)的函數(shù)。 下面的代碼是用于執(zhí)行動(dòng)態(tài)系統(tǒng)代碼的例子：

def exeCMD(cmds):
    for i in range(cmds.__len__()):
        print "\n---------------------------------------------------------------------"
        print "Executing:", cmds[i]
        os.system(cmds[i])
        print "---------------------------------------------------------------------\n"
        print "**********", ((i + 1) * 1.0 / len(cmds)) * 100, "% finished.**********"
    print "**********100 % finished.**********"

最后，可以import platform包，可以獲取系統(tǒng)類型。如下函數(shù)是判斷當(dāng)前是什么系統(tǒng)，從而自動(dòng)決定是使用哪種路徑分隔符。

def getOSType():
    sysstr = platform.system()
    if (sysstr == "Windows"):
        separator = "\\"
    elif (sysstr == "Linux"):
        separator = "/"
    return separator

到此這篇關(guān)于Python與Matlab混合編程的實(shí)現(xiàn)案例的文章就介紹到這了,更多相關(guān)Python與Matlab混合編程內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！