如何在Matlab与Python(Numpy)中创建形状及索引一致的矩阵对象

核心问题分析 #

你遇到的索引不匹配，本质是Matlab数组的列优先存储顺序，与你构造Python一维数组时的行优先展开顺序不一致。Matlab默认采用列优先（Fortran顺序）存储多维数组，而你在Python中是把Matlab的矩阵按行拼接成一维数组，导致reshape后元素的位置无法对应。

解决方法 #

方法1：使用Matlab导出的列优先一维数组 #

直接从Matlab中导出数组的列优先一维形式，再在Python中reshape：

1. 在Matlab中获取列优先一维数组：

vec = arr_matlab(:);
% 复制vec的所有数值到Python中

2. 在Python中构造数组并reshape：

import numpy as np

# 从Matlab的vec(:)复制的列优先顺序数组
data = np.array([
    1,3,5,2,4,6,7,9,11,8,10,12,13,15,17,14,16,18,20,22,24,21,23,25,
    26,28,30,27,29,31,32,34,36,33,35,37,38,40,42,39,41,43,44,46,48,45,47,49,
    50,52,54,51,53,55,56,58,60,57,59,61,62,64,66,63,65,67,68,70,72,69,71,73,
    74,76,78,75,77,79,80,82,84,81,83,85,86,88,90,87,89,91,92,94,96,93,95,97,
    98,100,102,99,101,103,104,106,108,105,107,109,110,112,114,111,113,115,116,118,120,117,119,121
])

arr_python = data.reshape((3,2,4,5), order='F')
print(arr_python[0,1,0,0])  # 输出2，与Matlab一致

方法2：在Python中模拟Matlab的拼接逻辑 #

直接按Matlab的cat层级构造数组，再转换为列优先存储：

import numpy as np

# 构造每个3x2矩阵，转置后模拟Matlab的列优先存储
def create_mat(rows):
    return np.array(rows).T

# 构造第三维度的4个矩阵（对应Matlab的cat(3)）
vol1 = np.stack([
    create_mat([[1,2],[3,4],[5,6]]),
    create_mat([[7,8],[9,10],[11,12]]),
    create_mat([[13,14],[15,16],[17,18]]),
    create_mat([[20,21],[22,23],[24,25]])
], axis=2)

vol2 = np.stack([
    create_mat([[26,27],[28,29],[30,31]]),
    create_mat([[32,33],[34,35],[36,37]]),
    create_mat([[38,39],[40,41],[42,43]]),
    create_mat([[44,45],[46,47],[48,49]])
], axis=2)

vol3 = np.stack([
    create_mat([[50,51],[52,53],[54,55]]),
    create_mat([[56,57],[58,59],[60,61]]),
    create_mat([[62,63],[64,65],[66,67]]),
    create_mat([[68,69],[70,71],[72,73]])
], axis=2)

vol4 = np.stack([
    create_mat([[74,75],[76,77],[78,79]]),
    create_mat([[80,81],[82,83],[84,85]]),
    create_mat([[86,87],[88,89],[90,91]]),
    create_mat([[92,93],[94,95],[96,97]])
], axis=2)

vol5 = np.stack([
    create_mat([[98,99],[100,101],[102,103]]),
    create_mat([[104,105],[106,107],[108,109]]),
    create_mat([[110,111],[112,113],[114,115]]),
    create_mat([[116,117],[118,119],[120,121]])
], axis=2)

# 拼接第四维度（对应Matlab的cat(4)）
arr_python = np.stack([vol1, vol2, vol3, vol4, vol5], axis=3)
# 转换为Fortran顺序，确保存储逻辑与Matlab一致
arr_python = np.asfortranarray(arr_python)

print(arr_python.shape)  # 输出(3,2,4,5)
print(arr_python[0,1,0,0])  # 输出2，与Matlab一致

关键原理 #

• Matlab多维数组采用**列优先（Fortran顺序）**存储：先填充第一维度（行），再第二维度（列），依次向后。
• Numpy默认是行优先（C顺序），但可通过order='F'或np.asfortranarray()强制使用列优先存储。
• 必须保证输入的一维数组顺序与Matlab的列优先展开顺序完全一致，否则即使指定order='F'也无法匹配索引。

内容的提问来源于stack exchange，提问作者servoz