我正在尝试使用以下代码读取matlab文件
import scipy.io
mat = scipy.io.loadmat('test.mat')
然后它给了我以下错误
raise NotImplementedError('Please use HDF reader for matlab v7.3 files')
NotImplementedError: Please use HDF reader for matlab v7.3 files
有没有人遇到过同样的问题，能否提供一些示例代码？
谢谢。
我创建了一个小型库，用于加载MATLAB 7.3文件：
pip install mat73
将 .mat 7.3 文件作为字典加载到 Python 中：
import mat73
data_dict = mat73.loadmat('data.mat')
就是这么简单！
pip 实际上是最常用的软件包管理器。如果您的工作不允许安装除 Anaconda 默认软件包以外的任何软件包，那我向您表示慰问。您可以尝试在用户文件夹中安装它 pip install mat73 -u，或者只需将 .py 文件下载到您的项目中并导入它，这应该绝对可行。您的公司不可能阻止您这样做。否则，请与您的主管讨论此事。 - skjerns试试使用h5py模块
import h5py
with h5py.File('test.mat', 'r') as f:
f.keys()
f.keys() 应该会给你返回 'test.mat' 中存储的变量名。你能够访问 f['s'][0].keys() 吗？假设 s 是你所存储的结构体数组的名称，这应该会给你返回 s 的字段列表。 - Shaiscipy.io.loadmat打开的文件被表示为透明的数据结构（具体而言，是字典和numpy数组）。如果回答中还指出了如何实际访问HDF数据结构，则该答案将显着改进。 - aestrivex<HDF5 dataset "fv": shape (18000, 9475), type "<f4">。我们可以直接从这个数据结构中访问行或列，或者通过 np.array(data_structure) 轻松地将其转换为 numpy 数组。 - lenhhoxungimport h5py
import numpy as np
filepath = '/path/to/data.mat'
arrays = {}
f = h5py.File(filepath)
for k, v in f.items():
arrays[k] = np.array(v)
希望能对你有所帮助！除非你使用MATLAB结构体，否则你的数据应该最终存储在arrays字典中。
scipy.io.loadmat() https://docs.scipy.org/doc/scipy/reference/generated/scipy.io.loadmat.html#scipy.io.loadmat 这个解决方案适用于MATLAB格式v.7.3及以上。 - norok2根据Magu_在相关主题上的回答，请查看软件包hdf5storage，该软件包具有读取v7.3 matlab mat文件的便利函数； 它就像这样简单：
import hdf5storage
mat = hdf5storage.loadmat('test.mat')
cell，struct）。 - skjerns我看了一下这个问题：https://github.com/h5py/h5py/issues/726。如果你使用-v7.3选项保存mat文件，应该使用以下代码生成密钥列表（在Python 3.x下）：
import h5py
with h5py.File('test.mat', 'r') as file:
print(list(file.keys()))
a，你需要使用相同的技巧:with h5py.File('test.mat', 'r') as file:
a = list(file['a'])
f = h5py.File('filename', 'r')
f['varname'][0][0]
给出的是：< HDF5对象引用 >
将此引用再次传递给 f：
f[f['varname'][0][0]]
这段代码返回一个数组：将其转换为numpy数组并提取值（或者，递归地，另一个<HDF5对象引用>）：
np.array(f[f['varname'][0][0]])[0][0]
如果访问磁盘很慢，也许将其加载到内存中会有所帮助。
进一步编辑：经过徒劳的搜索后，我最终的解决方法（但我真的希望有更好的解决方案！）是从Python调用Matlab，这相当容易和快速：
eng = matlab.engine.start_matlab() # first fire up a Matlab instance
eng.quit()
eng = matlab.engine.connect_matlab() # or connect to an existing one
eng.sqrt(4.0)
x = 4.0
eng.workspace['y'] = x
a = eng.eval('sqrt(y)')
print(a)
x = eng.eval('parameterised_function_in_Matlab(1, 1)', nargout=1)
a = eng.eval('Structured_variable{1}{2}.object_name') # (nested cell, cell, object)
这个函数读取由Matlab生成的HDF5 .mat文件，并返回一个嵌套字典的结构，其中包含Numpy数组。由于Matlab按Fortran顺序编写矩阵，因此它还将矩阵和高维数组转置为传统的Numpy顺序arr[...,page,row,col]。
import h5py
def read_matlab(filename):
def conv(path=''):
p = path or '/'
paths[p] = ret = {}
for k, v in f[p].items():
if type(v).__name__ == 'Group':
ret[k] = conv(f'{path}/{k}') # Nested struct
continue
v = v[()] # It's a Numpy array now
if v.dtype == 'object':
# HDF5ObjectReferences are converted into a list of actual pointers
ret[k] = [r and paths.get(f[r].name, f[r].name) for r in v.flat]
else:
# Matrices and other numeric arrays
ret[k] = v if v.ndim < 2 else v.swapaxes(-1, -2)
return ret
paths = {}
with h5py.File(filename, 'r') as f:
return conv()
table，那么在我看来，最好的解决方案是完全避免save选项。table转换为标准的hdf5文件，并在Python中创建了另一个辅助函数，将数据提取到Pandas DataFrame中。
function table_to_hdf5(T, path, group)
%TABLE_TO_HDF5 Save a Matlab table in an hdf5 file format
%
% TABLE_TO_HDF5(T) Saves the table T to the HDF5 file inputname.h5 at the root ('/')
% group, where inputname is the name of the input argument for T
%
% TABLE_TO_HDF5(T, path) Saves the table T to the HDF5 file specified by path at the
% root ('/') group.
%
% TABLE_TO_HDF5(T, path, group) Saves the table T to the HDF5 file specified by path
% at the group specified by group.
%
%%%
if nargin < 2
path = [inputname(1),'.h5']; % default file name to input argument
end
if nargin < 3
group = ''; % We will prepend '/' later, so this is effectively root
end
for field = T.Properties.VariableNames
% Prepare to write
field = field{:};
dataset_name = [group '/' field];
data = T.(field);
if ischar(data) || isstring(data)
warning('String columns not supported. Skipping...')
continue
end
% Write the data
h5create(path, dataset_name, size(data))
h5write(path, dataset_name, data)
end
end
import pandas as pd
import h5py
def h5_to_df(path, group = '/'):
"""
Load an hdf5 file into a pandas DataFrame
"""
df = pd.DataFrame()
with h5py.File(path, 'r') as f:
data = f[group]
for k,v in data.items():
if v.shape[0] > 1: # Multiple column field
for i in range(v.shape[0]):
k_new = f'{k}_{i}'
df[k_new] = v[i]
else:
df[k] = v[0]
return df
load('filename.mat')
save('filename_v7.mat','-v7')