将 hdf5 matlab 字符串加载到 Python 中

Posted 2023-03-11

【中文标题】将 hdf5 matlab 字符串加载到 Python 中

【英文标题】：Loading hdf5 matlab strings into Python

【发布时间】：2012-08-15 16:52:38

【问题描述】：

我在使用 Python 读取 hdf5 matlab 7.3 文件时遇到问题。 我正在使用 h5py 2.0.1。

我可以读取文件中存储的所有矩阵，但我无法读取字符串列表。 h5py 将字符串显示为形状 (1, 894) 的数据集，类型为 |04。 此数据集包含对象引用，我尝试使用 h5file[obj_ref] 语法取消引用。

这会产生类似dataset "FFb": shape (4, 1) type "<u2" 的东西。 我将其解释为长度为 4 的字符数组。这似乎是字符串的 ASCII 表示。

有没有一种简单的方法可以取出字符串？

有没有提供matlab到python hdf5支持的包？

【参考方案1】：

我假设您的意思是它是 MATLAB 中的字符串元胞数组？这个输出看起来很正常：数据集是一个对象数组（|O4 是 NumPy 对象数据类型）。每个对象都是一个 2 字节整数数组（<u2 是 NumPy little-endian 无符号 2 字节整数数据类型）。 h5py 无法知道数据集是字符串的元胞数组；它也可以是任意 16 位整数的元胞数组。

获取字符串的最简单方法是使用迭代器，使用 unichr 来转换字符，如下所示：

strlist = [u''.join(unichr(c) for c in h5file[obj_ref]) for obj_ref in dataset])

它的作用是遍历数据集 (for obj_ref in dataset) 以创建一个新列表。对于每个对象引用，它会取消引用对象 (h5file[obj_ref]) 以获取整数数组。它将每个整数转换为一个字符 (unichr(c)) 并将这些字符全部连接成一个 Unicode 字符串 (u''.join())。

请注意，这会生成一个 unicode 字符串列表。如果您绝对确定每个字符串仅包含 ASCII 字符，您可以将 u'' 替换为 '' 并将 unichr 替换为 chr。

警告：我没有 h5py；这篇文章基于我使用 MATLAB 和 NumPy 的经验。您可能需要调整语法或迭代顺序以适应您的数据集。

【讨论】：

你说得对，我忘了没有列表。它必须是一个单元阵列。有没有办法说一个特定的数据集是字符串类型的？或者Matlab只是不这样做？但是 matlab 知道这些是字符串，所以它必须以某种方式存储在 hdf5 中。你的台词看起来不错，我只是希望有另一种方式。

这已经很老了——但你有没有找到解决这个问题的好方法@AndreasMueller？ （除了编写自己的实现上述代码的函数）

我不认为我找到了，至少我不记得了；）

【参考方案2】：

您可以通过以下方式获取Group和Dataset对象的原始Matlab类名

dataset.attrs['MATLAB_class']

如果dataset 包含一个字符串，它将返回b'char'。