Python - Matlab
目录
Matlab的官方文档中介绍了Matlab与其余编程语言之间的引擎接口，其中包括对于Python开放的引擎API，可参考官方教程，其中包括引擎安装，基本使用，以及Python与Matlab之间的数据类型转换及交互。
除了使用官网的Matlab引擎来驱动Matlab外，还可以使用第三方包mlab来进行连接或直接使用win32com的dispatch来进行控制，但目前mlab仅支持Python 2的版本。
1 Python-Matlab引擎 / Pyhton-Matlab Engine
首先，需要确保Matlab及Python的配置和安装，利用Matlab提供的setup.py文件安装Python的引擎包，安装步骤及过程如下，
1. 确保安装可用的Python和Matlab，且两者版本对应，如32位的Matlab需对应32位的Python，同时还需查看Matlab支持的Python版本(目前2015a版支持的Python版本为2.7/3.3/3.4);
2. 添加Python目录到环境变量(如果未添加);
3. 获取Matlab文件夹目录，可通过Matlab命令行窗口输入matlabroot命令返回;
4. 安装引擎，Windows利用下面的命令(此处路径可能需要修改)进行安装，此处可能需要管理员权限运行。
cd C:\Program Files\MATLAB\R2015a\extern\engines\python
python setup.py install
pause
2 Python-Matlab数组 / Pyhton-Matlab Array
在Python中，如果需要创建一个Matlab的数组，也可以通过Matlab引擎API来完成，主要数据类型如下图显示。
![Python的扩展接口[3] -> Matlab引擎 -> 使用 Python 调用 Matlab 程序](https://image.shishitao.com:8440/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMTMwMTc5NC8yMDE4MDEvMTMwMTc5NC0yMDE4MDExMzE1MzEyOTgwMS01MTQyNDY5ODYucG5n.png?w=700&webp=1 "Python的扩展接口[3] -> Matlab引擎 -> 使用 Python 调用 Matlab 程序")
下面介绍数组的基本使用，其基本使用方法与numpy类似，但是reshape()函数略有不同，
import matlab.engine # Basic usage
int_8 = matlab.int8([1, 2, 3, 4, 5, 6])
print(int_8) # [[1, 2, 3, 4, 5, 6]]
print(int_8.size) # (1, 6)
int_8.reshape((2, 3)) # reshape function is different from numpy
print(int_8) # [[1, 3, 5], [2, 4, 6]] double = matlab.double([[1, 2, 3], [4, 5, 6]])
print(double) # [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]
print(double[0]) # [1.0, 2.0, 3.0]
print(double[1][2]) # 6.0
对于数组的切片，Matlab的array与Python的list也有所不同，官网给出的解释在于，Matlab数组切片返回的是一个视图，而不是像Python中返回一个浅拷贝。
# Slice array
py = [[1, 2, 3], [4, 5, 6]]
mt = matlab.int32([[1, 2, 3], [4, 5, 6]])
py[0] = py[0][::-1]
mt[0] = mt[0][::-1]
# Slicing a Matlab array returns a view instead of a shallow copy
print(py) # [[3, 2, 1], [4, 5, 6]]
print(mt) # [[3, 2, 3], [4, 5, 6]]
3 Python-Matlab基本操作 / Pyhton-Matlab Basic Operation
Python还可以通过引擎完成对Matlab的一些基本操作与控制。
完整代码
import matlab.engine eng = matlab.engine.start_matlab() print(eng.sqrt(4.)) # 2.0
eng.plot(matlab.int32([1, 2, 3, 4]), matlab.int32([1, 2, 3, 4])) eng.eval("hold on", nargout=0)
eng.eval("plot([4, 3, 2, 1], [1, 2, 3, 4])", nargout=0) eng.eval("x = 3", nargout=0)
eng.eval("y = 41", nargout=0)
eng.eval("z = [213, 123]", nargout=0)
print(eng.workspace)
print(eng.workspace['x'], eng.workspace['z'])
"""
Name Size Bytes Class Attributes x 1x1 8 double
y 1x1 8 double
z 1x2 16 double 3.0 [[213.0,123.0]]
""" input("Press Enter to exit.")
eng.quit()
分段解释
import matlab.engine eng = matlab.engine.start_matlab()
首先导入需要的包并生成实例，此处调用sqrt()函数计算，得到结果，还可以利用引擎实例调用plot函数进行画图，但需要注意的是，传入的参数需要是Matlab类型参数。
print(eng.sqrt(4.)) # 2.0
eng.plot(matlab.int32([1, 2, 3, 4]), matlab.int32([1, 2, 3, 4]))
当我们需要执行某些Matlab命令时，可以利用eval函数对其进行输入，下面的方法画出了另外一条直线，其中nargout参数为设置输出返回参数的数量，默认为1。无参数返回时需要设置为0。
eng.eval("hold on", nargout=0)
eng.eval("plot([4, 3, 2, 1], [1, 2, 3, 4])", nargout=0)
eng.eval("x = 3", nargout=0)
eng.eval("y = 41", nargout=0)
eng.eval("z = [213, 123]", nargout=0)
print(eng.workspace)
print(eng.workspace['x'], eng.workspace['z'])
"""
Name Size Bytes Class Attributes
x 1x1 8 double
y 1x1 8 double
z 1x2 16 double
3.0 [[213.0,123.0]]
"""
input("Press Enter to exit.")
eng.quit()
4 Python-Matlab调用m文件 / Pyhton-Matlab Call m File
下面介绍如何使用Python调用m来进行计算并获得返回结果，首先定义以下的m文件，在被调用的m文件中再调用下一个m文件，使用的m文件如下，
定义入口函数callentry，接收两个参数，随后对两个参数分别在内部进行加和乘操作，再调用外部另一个m文件的callsub函数进行相减操作，将返回的结果保存在数组r中返回。
callentry.m 代码
function [x, y, z] = callentry(a, b);
x = add(a, b)
y = mul(a, b)
z = callsub(a, b)
end function l = mul(m, n);
l=m*n;
end function l = add(m, n);
l=m+n;
end
callsub.m 代码
function r = callsub(a, b);
r = a-b;
end
在Python中，运行如下代码，
import matlab.engine eng = matlab.engine.start_matlab()
print(eng.callentry(7.7, 2.1, nargout=3))
eng.quit()
Note: 值得注意的是，此处需要设置nargout参数，当未设置时默认为1，即默认只返回1个参数，当知道Matlab返回参数的数量时，通过nargout进行设置来获取所有需要的参数。无参数返回时请设为0。
在第一次运行生成实例时会较慢，因为需要启动Matlab引擎，最终得到输出如下，可以看到，Matlab的console界面显示的结果在Python中也会输出，最后得到的结果是列表形式的Python数据。
x =
9.8000 y =
16.1700 z =
5.6000 r =
9.8000 16.1700 5.6000 (9.8, 16.17, 5.6)