尝试使用 h5py模块
import h5py
with h5py.File('test.mat', 'r') as f:
f.keys()
我创建了一个小库来加载 MATLAB 7.3 文件：
pip install mat73
要将.mat7.3 作为字典加载到 Python 中：
import mat73
data_dict = mat73.loadmat('data.mat')
就那么简单！
import 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)
arrays我怀疑，除非你有 MATLAB 结构，否则你最终应该在 dict 中得到你的数据。希望能帮助到你！
根据Magu_ 在相关线程上的回答，查看具有读取 v7.3 matlab mat 文件的便利功能的包hdf5storage ；它很简单
import hdf5storage
mat = hdf5storage.loadmat('test.mat')
我看过这个问题：https ://github.com/h5py/h5py/issues/726 。如果您使用-v7.3选项保存了 mat 文件，您应该使用（在 Python 3.x 下）生成键列表：
import h5py
with h5py.File('test.mat', 'r') as file:
print(list(file.keys()))
例如，为了访问变量a，您必须使用相同的技巧：
with h5py.File('test.mat', 'r') as file:
a = list(file['a'])
根据 Scipy 食谱。http://wiki.scipy.org/Cookbook/Reading_mat_files，
从 Matlab 7.3 版开始，mat 文件实际上默认使用 HDF5 格式保存（除非您在保存时使用 -vX 标志，请参阅 Matlab 中的保存帮助）。这些文件可以在 Python 中读取，例如，使用 PyTables 或 h5py 包。目前似乎不支持在 mat 文件中读取 Matlab 结构。
也许您可以使用 Octave 使用 -vX 标志重新保存。
尽管搜索了数小时，我也没有找到如何访问 Matlab v7.3 结构。希望这个部分答案会对某人有所帮助，我很高兴看到额外的指针。
因此，从（我认为 [0][0] 来自于 Matlab 将所有内容赋予维度）开始：
f = h5py.File('filename', 'r')
f['varname'][0][0]
给出：< HDF5 对象参考 >
再次将此引用传递给 f：
f[f['varname'][0][0]]
它给出了一个数组：将其转换为一个 numpy 数组并提取值（或者，递归地，另一个 < HDF5 object reference > ：
np.array(f[f['varname'][0][0]])[0][0]
如果访问磁盘很慢，那么加载到内存可能会有所帮助。
进一步编辑：经过多次徒劳搜索我的最终解决方法（我真的希望其他人有更好的解决方案！）从 python 调用 Matlab，这非常简单快捷：
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)
此函数读取 Matlab 生成的 HDF5 .mat 文件，并返回 Numpy 数组的嵌套字典结构。Matlab 以 Fortran 顺序编写矩阵，因此这也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()
如果您只阅读基本数组和结构，请参阅 vikrantt在类似帖子中的回答。但是，如果您使用的是 Matlab ，那么恕我直言，最好的解决方案是完全避免该选项。tablesave
我创建了一个简单的辅助函数来将 Matlab 转换table为标准的 hdf5 文件，并在 Python 中创建了另一个辅助函数来将数据提取到 PandasDataFrame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