чтение файла v 7.3 mat в python

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)

вы должны закончить свои данные в arrays dict, если у вас нет структур MATLAB, я подозреваю. Надеюсь, поможет!

Я создал небольшую библиотеку для загрузки файлов MATLAB 7.3:

pip install mat73

Чтобы загрузить .mat 7.3 в Python в качестве словаря:

import mat73
data_dict = mat73.loadmat('data.mat')

просто как тот!

Согласно ответу Magu_ в связанной теме, ознакомьтесь с пакетом hdf5storage, который имеет удобные функции для чтения файлов matlab v7.3; это так просто, как

import hdf5storage
mat = hdf5storage.loadmat('test.mat')

Я изучал эту проблему: https://github.com/h5py/h5py/issues/726. Если вы сохранили свой файл mat с параметром -v7.3, вы должны сгенерировать список ключей с помощью (в Python 3.x):

import h5py
with h5py.File('test.mat', 'r') as file:
    print(list(file.keys()))

Например, чтобы получить доступ к переменной a, вы должны использовать тот же трюк:

with h5py.File('test.mat', 'r') as file:
    a = list(file['a'])

Согласно кулинарной книге Scipy. http://wiki.scipy.org/Cookbook/Reading_mat_files,

Начиная с версии 7.3 Matlab, файлы mat фактически сохраняются с использованием формата HDF5 по умолчанию (кроме случаев, когда вы используете флаг -vX во время сохранения, см. Справку по сохранению в Matlab). Эти файлы можно прочитать в Python, например, с помощью пакета PyTables или h5py. Считывание структур Matlab в файлах mat на данный момент не поддерживается.

Возможно, вы могли бы использовать Octave для повторного сохранения с помощью флага -vX.

Несмотря на часы поиска, я также не нашел, как получить доступ к структурам Matlab v7.3. Надеюсь, этот частичный ответ кому-то поможет, и я был бы очень рад увидеть дополнительные указатели.

Итак, начнем с (я думаю, что [0] [0] возникает из Matlab, предоставляющего все измерениям):

f = h5py.File('filename', 'r')
f['varname'][0][0]

дает: ‹Ссылка на объект HDF5>

Передайте эту ссылку снова в f:

f[f['varname'][0][0]]

который дает массив: преобразуйте его в массив numpy и извлеките значение (или, рекурсивно, другую ссылку на объект ‹HDF5>:

np.array(f[f['varname'][0][0]])[0][0]

Если доступ к диску медленный, возможно, поможет загрузка в память.

Дальнейшее редактирование: после долгих бесполезных поисков мой последний обходной путь (я действительно надеюсь, что у кого-то есть лучшее решение!) Вызывал Matlab из python, что довольно просто и быстро:

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)

Эта функция читает созданные Matlab файлы HDF5 .mat и возвращает структуру вложенных dicts массивов Numpy. Matlab записывает матрицы в порядке Fortran, поэтому это также переносит матрицы и многомерные массивы в обычный порядок Numpy 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()

Если вы читаете только базовые массивы и структуры, см. ответ vikrantt на аналогичный post. Однако, если вы работаете с Matlab table, то, IMHO, лучшее решение - вообще избегать опции save.

Я создал простую вспомогательную функцию для преобразования Matlab table в стандартный файл hdf5 и другую вспомогательную функцию в Python для извлечения данных в Pandas DataFrame.

Вспомогательная функция Matlab

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

Вспомогательная функция Python

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

Важные заметки

• Это будет работать только с числовыми данными. Если вы знаете, как добавлять строковые данные, прокомментируйте.
• Это создаст файл, если он еще не существует.
• Это приведет к сбою, если данные уже существуют в файле. Вы захотите включить логику для обработки этих случаев, как вы сочтете нужным.