在 Python 中读取 .mat 文件

需要导入，import scipy.io...

import scipy.io
mat = scipy.io.loadmat('file.mat')

---

scipy.io.savemat 和 scipy.io.loadmat 均不适用于 MATLAB 数组 7.3 版。但好的部分是 MATLAB 7.3 版文件是 hdf5 数据集。因此可以使用多种工具读取它们，包括 NumPy。

对于 Python，您将需要 h5py 扩展，这需要您系统上的 HDF5。

import numpy as np
import h5py
f = h5py.File('somefile.mat','r')
data = f.get('data/variable1')
data = np.array(data) # For converting to a NumPy array

---

首先将 .mat 文件另存为：

save('test.mat', '-v7')

之后，在 Python 中，使用通常的 loadmat 函数：

import scipy.io as sio
test = sio.loadmat('test.mat')

---

有一个名为 mat4py 的不错的软件包，可以使用它轻松安装

pip install mat4py

使用起来很简单（来自网站）：

从 MAT 文件加载数据

函数 loadmat 仅使用 Python 的 dict 和 list 对象将存储在 MAT 文件中的所有变量加载到一个简单的 Python 数据结构中。数值和元胞数组将转换为按行排序的嵌套列表。数组被压缩以消除只有一个元素的数组。生成的数据结构由与 JSON 格式兼容的简单类型组成。

示例：将 MAT 文件加载到 Python 数据结构中：

from mat4py import loadmat

data = loadmat('datafile.mat')

变量 data 是一个 dict，其变量和值包含在 MAT 文件中。

将 Python 数据结构保存到 MAT 文件

可以使用函数 savemat 将 Python 数据保存到 MAT 文件中。数据的结构必须与 loadmat 相同，即它应该由简单的数据类型组成，例如 dict、list、str、int 和 float。

示例：将 Python 数据结构保存到 MAT 文件：

from mat4py import savemat

savemat('datafile.mat', data)

参数 data 应为带有变量的 dict。

---

安装 MATLAB 2014b 或更新版本后，可以使用 MATLAB engine for Python：

import matlab.engine
eng = matlab.engine.start_matlab()
content = eng.load("example.mat", nargout=1)

---

读取文件

import scipy.io
mat = scipy.io.loadmat(file_name)

检查 MAT 变量的类型

print(type(mat))
#OUTPUT - <class 'dict'>

字典中的键是 MATLAB 变量，值是分配给这些变量的对象。

---

这个任务有一个很棒的库，叫做：pymatreader。

只需执行以下操作：

安装包： pip install pymatreader 导入这个包的相关函数： from pymatreader import read_mat 使用函数读取matlab struct： data = read_mat('matlab_struct.mat') 使用data.keys() 定位数据在哪里实际存储。

键通常看起来像：dict_keys(['__header__', '__version__', '__globals__', 'data_opp'])。其中 data_opp 将是存储数据的实际键。这个键的名字当然可以在不同的文件之间改变。

最后一步 - 创建你的数据框： my_df = pd.DataFrame(data['data_opp'])

而已 ：）

---

还有 MathWorks 本身的 MATLAB Engine for Python。如果您有 MATLAB，这可能值得考虑（我自己没有尝试过，但它的功能远不止读取 MATLAB 文件）。但是，我不知道是否允许将其分发给其他用户（如果这些人有 MATLAB，这可能不是问题。否则，也许 NumPy 是正确的方法？）。

此外，如果您想自己完成所有基本操作，MathWorks provides（如果链接更改，请尝试在 Google 上搜索 matfile_format.pdf 或其标题 MAT-FILE Format）有关文件格式结构的详细文档。它并不像我个人认为的那么复杂，但显然，这不是最简单的方法。它还取决于您想要支持的 .mat 文件的功能数量。

我编写了一个“小”（大约 700 行）Python 脚本，它可以读取一些基本的 .mat 文件。我既不是 Python 专家也不是初学者，我花了大约两天时间来编写它（使用上面链接的 MathWorks 文档）。我学到了很多新东西，而且很有趣（大部分时间）。由于我在工作中编写了 Python 脚本，恐怕我无法发布它......但我可以在这里给出一些建议：

首先阅读文档。

使用十六进制编辑器（例如 HxD）并查看要解析的参考 .mat 文件。

尝试通过将字节保存到 .txt 文件并注释每一行来找出每个字节的含义。

使用类来保存每个数据元素（例如 miCOMPRESSED、miMATRIX、mxDOUBLE 或 miINT32）

.mat-files 的结构最适合将数据元素保存在树数据结构中；每个节点都有一个类和子节点

---

将 mat 文件读取到具有混合数据类型的 pandas dataFrame

import scipy.io as sio
mat=sio.loadmat('file.mat')# load mat-file
mdata = mat['myVar']  # variable in mat file 
ndata = {n: mdata[n][0,0] for n in mdata.dtype.names}
Columns = [n for n, v in ndata.items() if v.size == 1]
d=dict((c, ndata[c][0]) for c in Columns)
df=pd.DataFrame.from_dict(d)
display(df)

---

除了 scipy.io.loadmat 用于 v4（1.0 级）、v6、v7 到 7.2 的 matfile 和 h5py.File 用于 7.3 格式的 matfile 之外，还有另一种类型的 matfile 以 文本数据格式 代替二进制，通常创建Octave，其中 can't even be read in MATLAB。

scipy.io.loadmat 和 h5py.File 都无法加载它们（在 scipy 1.5.3 和 h5py 3.1.0 上测试），我找到的唯一解决方案是 numpy.loadtxt。

import numpy as np
mat = np.loadtxt('xxx.mat')

---

from os.path import dirname, join as pjoin
import scipy.io as sio
data_dir = pjoin(dirname(sio.__file__), 'matlab', 'tests', 'data')
mat_fname = pjoin(data_dir, 'testdouble_7.4_GLNX86.mat')
mat_contents = sio.loadmat(mat_fname)

您可以使用上面的代码读取 Python 中默认保存的 .mat 文件。

---

也可以使用 hdf5storage 库。有关 matlab 版本支持的详细信息，请参阅官方文档 here。

import hdf5storage

label_file = "./LabelTrain.mat"
out = hdf5storage.loadmat(label_file) 

print(type(out)) # <class 'dict'>

---