python 读取 mat 文件_sio.loadmat

详细参考：https://docs.scipy.org/doc/scipy/reference/tutorial/io.html

(1) mat4py库：

功能： 将Matlab 数据导入为基本的Python数据类型。矩阵是以行为组的存储方式(使用列表的列表)。 Matlab结构体Struct和元胞Cell 使用Python的词典表示。

Load data from MAT-file:

函数loadmat将存储在MAT-file中的变量加载为简单的Python数据结构，仅使用词典和列表对象。数值数组和cell数组 转换为以行为主的嵌套列表(lists)。压缩数组，消除只含有一个元素的数组。产生的数据结构由简单的类型组成，兼容JSON格式。

data = loadmat('datafile.mat')
1

Save Python data structure to a MAT-file:

savemat('datafile.mat')
1

下面的数据结构不支持:

• 超过两维的数组
• 复数数组
• 稀疏数组
• 函数数组
• 对象类
• 匿名函数类

使用手册：https://pypi.python.org/pypi/mat4py/0.4.0

(2) 使用 import scipy.io as sio

所有的元素都封装在ndarray 中。

data = sio.loadmat('train_data.mat');
data = data['data']
1
2

使用手册： https://docs.scipy.org/doc/scipy/reference/tutorial/io.html

测试：

结构体数组的生成。分析：list – cell, dict – struct

% 用来测试 sio.loadmat 和 mat4py.loadmat

student = repmat(struct('name',[],'age',[],'sex',[],'score',[]),2,1);

student(1).name = 'xlh';
student(1).age  = 22;
student(1).sex  = 'male';
student(1).score = [120,1;130,0;100,1];

student(2).name = 'gyl';
student(2).age  = 20;
student(2).sex  = 'female';
student(2).score = [111,0;150,2;140,0];

save('student.mat','student');
disp('save student.mat over ...');
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

方法1：利用 mat4.py访问.mat文件：

import mat4py

student1 = mat4py.loadmat('student.mat')

student1 = student1['student']

print type(student1)  #dict 

print ','.join(['%s' % key for key,val in student1.iteritems()]) # age,score,name,sex

name  = student1['name'] 
age   = student1['age']
sex   = student1['sex']
score = student1['score']

print name # name list
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

控制台输出:

<type 'dict'>
age,score,name,sex
[u'xlh', u'gyl']
1
2
3

方法2：利用sio访问.mat文件

import scipy.io as sio 
student2 = sio.loadmat('student.mat')
student2 = student2['student']

print type(student2) #numpy.ndarray 
print student2.shape #(2,1)  将结构体的每一行看作是一个数组
print '----------------'
name  = []
age   = []
sex   = []
score = []

for id1,va1 in enumerate(student2):
    va2 = va1[0]
    print 'type(va1)',type(va1)
    print 'type(va1[0])',type(va1[0])
    name.append(va2[0])
    age.append(va2[1])
    sex.append(va2[2])
    score.append(va2[3])

print '----------------'
print name
print '----------------'
print student2
print sex[0][0]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

控制台输出：

<type 'numpy.ndarray'>
(2L, 1L)
----------------
type(va1) <type 'numpy.ndarray'>
type(va1[0]) <type 'numpy.void'>
type(va1) <type 'numpy.ndarray'>
type(va1[0]) <type 'numpy.void'>
----------------
[array([u'xlh'], 
      dtype='<U3'), array([u'gyl'], 
      dtype='<U3')]
----------------
[[ (array([u'xlh'], 
      dtype='<U3'), array([[22]], dtype=uint8), array([u'male'], 
      dtype='<U4'), array([[120,   1],
       [130,   0],
       [100,   1]], dtype=uint8))]
 [ (array([u'gyl'], 
      dtype='<U3'), array([[20]], dtype=uint8), array([u'female'], 
      dtype='<U6'), array([[111,   0],
       [150,   2],
       [140,   0]], dtype=uint8))]]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

mat4.py 不能处理带有汉字的mat文件。例如将上面的性别’male’改成’男’，则会报错。sio 感觉用起来麻烦。