前言
因为项目需要，需要批处理很多Matlab的.m文件，从每个文件中提取结果合并到一个文件中。 很明显，如果手工统计，几百个文件会累死的。 因此立即想到了Python在批处理方面的优势，因此就在网上找了相关资料，实现了想要的功能，这里简单记录一下。
一、环境准备
首先电脑上要有Matlab，而且不能太老，比如Matlab 7.0可能就不行。 在电脑Matlab的安装目录下，依次找到MATLAB\R2015b\extern\engines\python，例如我电脑上的路径是D:\Program Files\MATLAB\R2015b\extern\engines\python。 在这个目录下有个setup.py。在命令行中安装这个脚本，正常就可以成功了。
然后就可以在Python中import了，这个包的名字就叫”matlab”。
二、简单示例
下面的代码简单演示了在Python中调用了Matlab的sqrt()函数并返回结果。说明了调用的主要步骤，同时加入了计时的代码，记录每个过程的耗时。
# 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，调用Matlab函数
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，程序输出了和在Matlab中调用函数一样的格式ans=…。同时可以发现，与C# & Matlab混合编程类似，程序运行最耗时的就是Runtime的初始化。 不同的运算耗时的差别与初始化耗时相比可以忽略不计。同时Runtime只要初始化一次，第二次调用函数时就不需要再初始化了。这些都和C#的接口是一样的。
三、更复杂的示例
很明显，我们好不容易用Python调Matlab肯定不是想简单做个开方、取绝对值的运算的，要不然直接Python就可以实现，何必杀鸡焉用牛刀。 比如调用我们自己编写的.m文件中的函数等等。下
1.调用.m文件
首先新建一个m文件，并起名为triangle.m，用于计算三角形面积。如下。
并且将这个m文件放在py文件同一路径下，然后在Python中可以这样调用。
# coding=utf-8
import matlab.engine
eng = matlab.engine.start_matlab()
eng.triangle(nargout=0)
eng.quit()结果如下。
控制台中像Matlab一样输出了结果。 但有几点需要注意。首先nargout=0的含义是表示返回值为空。尽管控制台打印出了结果，但并不会返回给Python。 如果没有这个参数，程序会报错。同时m文件必须和脚本文件在同一目录下才能运行。而eng后面的内容就是m文件的名字。
2.调用自定义函数
把之前的m文件少做修改，编程Matlab函数，如下。
Python调用代码如下：
# coding=utf-8
import matlab.engine
eng = matlab.engine.start_matlab()
ans = eng.triangle(2.3, 9.1)
print ans
eng.quit()这里用变量ans接收了返回值，下一步就可以继续用于其它操作了。 这里也有需要注意的地方。需要记住的是eng后面的依然是m文件的名字而不是函数的名字。 这里就涉及到Matlab中函数的命名规范问题了。一般情况下函数名与m文件名保持一致。 但如果不一致，在Python中经过测试也可以，但最好保持一致。
对于多返回值函数，可以在Matlab中组成一个矩阵，直接返回这个矩阵，然后在Python中再解析。 或者指定返回值个数。
不过需要注意的是，例如Matlab返回了一个a = [[1 2 3]]的矩阵，但直接获取a[0]是错的。因为Matlab返回的是一个二维矩阵，所以矩阵其实是1×3。 所以应该按照行列的方式读取，写成a[0][0]。
在Python中创建Matlab矩阵也很简单。代码如下：
# coding=utf-8
import matlab.engine
A = matlab.int8([1, 2, 3, 4, 5])
print type(A), A.size, A输出结果如下：
3.绘图测试
代码如下。
#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)
# 需要让程序在这暂停，类似于C++里的system('pause')，不然Figure一闪而过
# 按任意键退出
raw_input()
eng.quit()运行结果如下。
首先，对于一些简单的命令，如max、min、power、sqrt等，我们直接可以eng.xxx()来完成。 但对于如绘图等稍微复杂的命令，我们就可以使用eng.eval()函数来完成。 其中参数是我们拼接的需要执行的字符串，如“plot(data(:,1),’ro-‘)”等。这样程序在运行时就会调用Matlab执行这一行语句。 所以其实同理，我们完全可以把之前的例子写成eng.eval("sqrt(16.0)",nargout=0)，控制台会输出结果4。 或者全部用eval()函数来写Matlab命令，不与Python进行数据交互，只是调用Matlab。 在使用eval()时需要注意返回值的问题。如果没有返回值，别忘了加上一句nargout=0。
以上只是很少一部分混合编程的相关知识，只是项目中用到的部分。其实还有很多东西可以学习，更多有关Python Matlab混合编程的说明可以参考官方文档。 看到网上还有一种Matlab的调用方式，直接pip install mlab，然后直接import mlab就可以了，但是没有尝试，因此这里不多介绍了。
四、项目相关
最后简单说一下项目相关的东西。项目中的需求是，有很多.m文件分布在许多文件夹中，需要获取到某一路径下的全部m文件。 然后获取m文件中矩阵的相关统计值。最后再将各个m文件的统计结果汇总在一个m文件中。 因此使用了Python的os模块遍历文件夹，获取所有m文件的路径，然后根据指定的规则对m文件进行重写，并输出成新的m文件放在脚本目录下。 最后通过Python调用Matlab运行m脚本，输出结果到Python中，Python集中汇总输出。
这里的关键点之一是由于各个m文件的文件名是不同的，因此eng.xxx()是没有办法在运行前写死的。 必须根据读取的文件名动态生成Python语句然后运行。这对于传统编译型语言可能很难实现，但对Python解释型语言很容易实现。 在Python中有exec()函数可以实现这个需求，其中参数是需要执行的代码字符串。 项目部分代码如下：
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()项目中首先调用joinCode()函数根据new_names列表动态生成代码字符串存放在codes中。 然后调用execMatlab()函数依次执行每条语句。这里的res看似并没有在代码中定义，而且在IDE中确实也会报错，说未定义。 但是其实它是在动态执行的代码中定义的，因此执行时是不会报错的。
顺带提一下，在Python中，执行系统命令调用的是os.system()函数。参数就是需要执行的代码。 而且这个函数对于Windows和Linux都适用，是跨平台的。类似于os.walk()等内置函数，都是抽象后的与系统无关的函数。 下面的代码是用于执行动态系统代码的例子：
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，可以获取系统类型。如下函数是判断当前是什么系统，从而自动决定是使用哪种路径分隔符。
def getOSType():
sysstr = platform.system()
if (sysstr == "Windows"):
separator = "\\"
elif (sysstr == "Linux"):
separator = "/"
return separator到此这篇关于Python与Matlab混合编程的实现案例的文章就介绍到这了,更多相关Python与Matlab混合编程内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
