如何读取mat文件 python

发布网友 发布时间：2022-04-22 19:28

我来回答

共2个回答

懂视网 时间：2022-04-18 23:09

问题代码如下：

from numpy import *import scipy.io

mnist_train = 'D:Machine LearningTensorFlowSoftmax Regressionmnist_datasetmnist_train.mat'mnist_train_labels = 'D:Machine LearningTensorFlowSoftmax Regressionmnist_datasetmnist_train_labels.mat'x = scipy.io.loadmat(mnist_train)
label = scipy.io.loadmat(mnist_train_labels)

print(x.shape)

上段代码输出的结果是(1,1)，而对应的数据应是(60000,784)。此时，如果直接输出x，会看到以下结果：

'''
[[ {'__version__': '1.0', '__header__': b'MATLAB 5.0 MAT-file, Platform: PCWIN, Created on: Tue Nov 29 12:43:31 2011', 
'mnist_train': array([[ 0., 0., 0., ..., 0., 0., 0.],
 [ 0., 0., 0., ..., 0., 0., 0.],
 [ 0., 0., 0., ..., 0., 0., 0.],
 ...,
 [ 0., 0., 0., ..., 0., 0., 0.],
 [ 0., 0., 0., ..., 0., 0., 0.],
 [ 0., 0., 0., ..., 0., 0., 0.]], dtype=float32), '__globals__': []}]]
'''

可见，如果本地mat文件包含了额外的信息，则单纯使用scipy.io.loadmat()无法直接读取到所需数据，还应该补充一行对应的代码。

x = scipy.io.loadmat(mnist_train)
train_x = x['mnist_train']
label = scipy.io.loadmat(mnist_train_labels)
train_label = label['mnist_train_labels']

热心网友 时间：2022-04-18 20:17

一、mat文件

mat数据格式是Matlab的数据存储的标准格式。在Matlab中主要使用load()函数导入一个mat文件，使用save()函数保存一个mat文件。对于文件

load('data.mat')


save('data_1.mat','A')

其中，'A'表示要保存的内容。

二、python中读取mat文件

在python中可以使用scipy.io中的函数loadmat()读取mat文件，函数savemat保存文件。

1、读取文件

如上例：

#coding:UTF-8


import scipy.io as scio

dataFile = 'E://data.mat'
data = scio.loadmat(dataFile)

注意，读取出来的data是字典格式，可以通过函数type(data)查看。

print type(data)

结果显示

<type 'dict'>

找到mat文件中的矩阵：

print data['A']

结果显示

[[ 0.          0.          0.          0.          0.          0.          0.
0.          0.          0.          0.          0.          0.          0.
。。。。。。。。。。。
0.          0.          0.          0.          0.          0.          0.
0.370588  0.90196078  0.99215686  0.99607843  0.99215686  0.99215686
0.78431373  0.0627451   0.          0.          0.          0.          0.
0.          0.          0.          0.          0.          0.          0.
。。。。。。。。。。。。
0.941177  0.22745098  0.          0.          0.          0.          0.
0.          0.          0.          0.          0.          0.          0.
0.          0.          0.          0.          0.          0.          0.
0.          0.          0.          0.          0.          0.30196078
。。。。。。。
0.          0.          0.          0.          0.          0.          0.
0.          0.          0.          0.          0.          0.          0.        ]]

格式为：

<type 'numpy.ndarray'>

即为numpy中的矩阵格式。

2、保存文件

将这里的data['A']矩阵重新保存到一个新的文件dataNew.mat中：

dataNew = 'E://dataNew.mat'
scio.savemat(dataNew, {'A':data['A']})