# 進入MATLAB安裝目錄下的engine文件夾（以Windows為例）
cd "C:\Program Files\MATLAB\R2023a\extern\engines\python"
# 安裝engine
python setup.py install

import matlab.engine
import numpy as np
def call_matlab_from_python():
    # 1. 啟動MATLAB引擎（background=True表示后臺運行）
    eng = matlab.engine.start_matlab()
    # 可選：添加MATLAB腳本所在路徑
    eng.addpath(r'C:\your_matlab_script_path', nargout=0)
    # 2. 構(gòu)造測試數(shù)據(jù)（Python數(shù)組轉(zhuǎn)MATLAB矩陣）
    np_mat = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=np.float64)
    # 轉(zhuǎn)換為MATLAB可識別的矩陣格式
    mat_mat = matlab.double(np_mat.tolist())
    try:
        # 3. 調(diào)用MATLAB函數(shù)（參數(shù)和返回值需匹配）
        mat_inv, mat_mean, mat_std = eng.my_matlab_func(mat_mat, nargout=3)
        # 4. 結(jié)果轉(zhuǎn)換與輸出（MATLAB類型轉(zhuǎn)Python/numpy）
        print("原始矩陣：")
        print(np_mat)
        print("\nMATLAB計算的矩陣偽逆：")
        print(np.array(mat_inv))
        print(f"\n矩陣均值：{mat_mean:.2f}")
        print(f"矩陣標準差：{mat_std:.2f}")
    except Exception as e:
        print(f"調(diào)用出錯：{e}")
    finally:
        # 5. 關(guān)閉MATLAB引擎（必須釋放資源）
        eng.quit()
if __name__ == "__main__":
    call_matlab_from_python()

# 功能：用sklearn做簡單的線性回歸
import numpy as np
from sklearn.linear_model import LinearRegression
def linear_regression_demo(x_data, y_data):
    """
    線性回歸預(yù)測
    :param x_data: 自變量（二維數(shù)組）
    :param y_data: 因變量（一維數(shù)組）
    :return: 模型系數(shù)、截距、預(yù)測值
    """
    # 數(shù)據(jù)轉(zhuǎn)換
    x = np.array(x_data).reshape(-1, 1)
    y = np.array(y_data)
    # 訓(xùn)練模型
    model = LinearRegression()
    model.fit(x, y)
    # 預(yù)測
    y_pred = model.predict(x)
    # 返回結(jié)果（轉(zhuǎn)為列表，方便MATLAB解析）
    return model.coef_.tolist(), model.intercept_.tolist(), y_pred.tolist()

function call_python_from_matlab()
    % 1. 配置Python路徑（添加腳本所在目錄）
    py.sys.path.append('C:\your_python_script_path');
    % 2. 構(gòu)造測試數(shù)據(jù)
    x_data = [1, 2, 3, 4, 5];  % 自變量
    y_data = [2.1, 3.9, 6.2, 7.8, 10.1];  % 因變量（近似y=2x）
    try
        % 3. 調(diào)用Python函數(shù)
        % 注意：MATLAB數(shù)組轉(zhuǎn)Python列表需用num2cell+cell2mat，或直接傳數(shù)組
        [coef, intercept, y_pred] = py.my_python_func.linear_regression_demo(x_data, y_data);
        % 4. 結(jié)果轉(zhuǎn)換與輸出（Python類型轉(zhuǎn)MATLAB類型）
        % Python列表轉(zhuǎn)MATLAB數(shù)組
        coef_mat = cell2mat(py.list(coef));
        intercept_mat = double(intercept);
        y_pred_mat = cell2mat(py.list(y_pred));
        disp('線性回歸模型系數(shù)：');
        disp(coef_mat);
        disp(['截距：', num2str(intercept_mat)]);
        disp('預(yù)測值：');
        disp(y_pred_mat);
        % 5. 可視化（MATLAB優(yōu)勢）
        plot(x_data, y_data, 'o', 'DisplayName', '原始數(shù)據(jù)');
        hold on;
        plot(x_data, y_pred_mat, '-r', 'DisplayName', '擬合曲線');
        xlabel('X');
        ylabel('Y');
        title('MATLAB調(diào)用Python sklearn線性回歸');
        legend;
        grid on;
    catch ME
        disp(['調(diào)用出錯：', ME.message]);
    end
end
% 執(zhí)行函數(shù)
call_python_from_matlab();

# 安裝打包后的MATLAB Python包
pip install your_matlab_package.whl