使用matlab数据结构中的python

Question

我正在从Matlab转到Python。你知道吗

在Matlab中，我用structs构建了我的数据。 我有一些数据，我想处理得到一个新的数据集。你知道吗

例如。 我从泵上量了一些尺寸。在一个特定的案例中，可能有22点，但这当然是不同的情况下，每个案件。你知道吗

我有一个Excel表格中的数据组织在列中。对于每个数据点，我有流量（q）、高度（h）、扭矩（Torque）和转速（rpm）。我使用xlrd读取数据，这很好。我创建了一个包含四个键的dictionary，其中包含值。你知道吗

有一些缩放规则可用于操作给定的数据集点。在Matlab中，我将数据组织在一个名为hydraulic\u data的结构文件中，然后将有4个向量，即hydraulic\u data.q等

第一种方法是在python中使用dict。这里的问题是必须定义键的长度，即不能向列表中添加数据。你知道吗

然后我创建了一个空的dict，并用一个np.零长度与输入数据相同的向量。但这似乎不适合我。下面可以看到一个简化的函数。你知道吗

 def test_for_loop(hydraulic_geometric_scaled):
    import math
    import numpy as np
    no_of_points = len(hydraulic_geometric_scaled['q'])
    zero_vector = np.zeros(no_of_points)
    q = np.zeros(no_of_points)
    h = np.zeros(no_of_points)
    torque = np.zeros(no_of_points)
    rpm = np.zeros(no_of_points)
    hydraulic_scaling_max = {}
    hydraulic_scaling_max['q'] = zero_vector
    hydraulic_scaling_max['h'] = zero_vector
    hydraulic_scaling_max['torque'] = zero_vector
    hydraulic_scaling_max['rpm'] = zero_vector
    rpm_max=6000
    for i in range(no_of_points):
        omega = hydraulic_geometric_scaled['rpm'][i]/60*2*math.pi
        omega_max = rpm_max/60*2*math.pi
        hydraulic_scaling_max['q'][i]= hydraulic_geometric_scaled['q'][i]*(omega_max/omega)
        hydraulic_scaling_max['h'][i]= hydraulic_geometric_scaled['h'][i]*(omega_max/omega)**2
        hydraulic_scaling_max['torque'][i]= hydraulic_geometric_scaled['torque'][i]*(omega_max/omega)**2
        hydraulic_scaling_max['rpm'][i]= omega_max*60/2/math.pi
    return hydraulic_scaling_max

这将返回一个最大字典，但每个键中的值相同。在Matlab中，这项工作很好，但显然不是在这里。然后我和一位同事聊了一会儿，他建议我应该改用课堂。你知道吗

我的问题： 1在Matlab中使用dict作为struct是错误的吗？（我查过了，似乎没有一个明确的答案）。 2为什么密码给我的钥匙都一样？ 三。上课是最好的方式吗？你知道吗

希望你能把事情弄清楚一点，这样我就可以开始用Python了！你知道吗

Answer 1

我将首先回答您的最后一个问题：实现这一点的最佳方法是使用数据帧。您可以直接将excel电子表格作为数据框导入，然后根据需要添加列。因此，可以执行以下操作向现有数据中添加列：

from math import pi
import pandas as pd

# load the excel file, you will need to adjust this to fit your file
hydraulic_geometric_scaled = pd.read_excel('filename.xls')

rpm_max=6000
omega_max = rpm_max/60*2*pi

omega = hydraulic_geometric_scaled['rpm']/60*2*pi

# you re-use this a lot so it is faster to define it once
factor = omega_max/omega

# copy the columns you want, and apply the scaling factors
hydraulic_scaling_max = hydraulic_geometric_scaled.loc[:,('q','h','rpm','torque')]*[factor, factor**2, 1, factor**2]

# overwrite this column with constant values
hydraulic_scaling_max['rpm'] = rpm_max

您可以创建一个类来处理这个问题，但这将更加复杂，因为pandas数据帧可以完成您开箱即用的任务。Python有大量现成的工具，所以如果你想做某事，一定要确保别人以前没有做过。可能有一个或多个工具已经可以让你90%的方式。你知道吗

对于你的第一个问题，是的，如果你真的想用dict作为一个MATLAB结构，你会这样做。但是您通常不想使用dict作为结构，DataFrams和xarray更适合作为MATLAB结构的替代品，并且比MATLAB结构强大得多。你知道吗

对于第二个问题，原因是您定义了5个变量，zero_vector、q、h、torque和rpm，但您只使用过zero_vector。在MATLAB中，将其放入一个结构中4次将生成数组的一个副本，因此需要4倍的内存，但对一个副本的更改不会影响其他副本。你知道吗

但是，当您将1数组放入4个python dict值时，它不会复制。最好说，对于同一数组，这些dict键中的每一个都是不同的名称。因此，无论您通过什么键访问它，它仍然会改变相同的底层数组。所以说你有名字和昵称，有人叫你的名字和昵称是指同一个人。与这些数组相同。您可能需要使用您定义的4个独立变量，或者使用zero_array.copy()来创建一个副本。你知道吗

MATLAB方法一开始比较简单，但代价是影响大型阵列的性能。你知道吗

另外，虽然这不是一个问题，但是MATLAB允许您（似乎）调整矩阵的大小，而numpy不允许您调整数组的大小的原因是Python倾向于更直接地介绍它的功能。严格来说，MATLAB和Python都不允许调整数组的大小。MATLAB假装允许您调整它们的大小，因为该语言没有真正可调整大小的数据结构。然而，实际情况是，在幕后，MATLAB实际上每次通过循环都创建一个全新的数组，将所有数据复制到新数组，然后在某个点释放旧数组上的内存。这是非常缓慢的，这就是为什么MATLAB编辑器会警告你不要这样做。实际上，在向结构中添加新字段时也会出现同样的问题，尽管通常字段较少，所以这通常不是什么大问题。你知道吗

Python的主要哲学之一是“你不应该对你的用户撒谎”。在这种情况下，这意味着不要假装做了你做不到的事情，所以numpy在真正制作拷贝时不会假装能够调整数组的大小。如果要将数据复制到新数组，必须显式执行。你知道吗

同样地，MATLAB方法一开始要简单一点，代价是很难判断何时会导致性能下降或内存不足错误，以及导致难以检测和调试错误的风险增加。你知道吗

另外，Python具有可调整大小的数据结构。pythonlist和pythondict（以及许多其他数据类型）都可以调整大小，而无需制作副本。所以，其实没必要让努比假装自己不是