scipy.io.matlab.

loadmat#

scipy.io.matlab.loadmat(file_name, mdict=None, appendmat=True, *, spmatrix=True, **kwargs)[源代码]#

加载 MATLAB 文件。

参数:

file_namestr: mat 文件的名称（如果 appendmat==True，则不需要 .mat 扩展名）。也可以传递类似打开文件的对象。
mdictdict，可选: 用于插入 matfile 变量的字典。
appendmatbool，可选: 如果给定的文件名末尾没有 .mat 扩展名，则添加该扩展名。默认值为 True。
spmatrixbool，可选（默认值：True）: 如果为 True，则返回稀疏 coo_matrix。否则返回 coo_array。仅与稀疏变量相关。
byte_orderstr 或 None，可选: 默认为 None，表示从 mat 文件中猜测字节顺序。否则可以是 ('native', '=', 'little', '<', 'BIG', '>') 中的一个。
mat_dtypebool，可选: 如果为 True，则返回与加载到 MATLAB 中相同的 dtype 的数组（而不是保存它们的 dtype）。
squeeze_mebool，可选: 是否压缩单位矩阵维度。
chars_as_stringsbool，可选: 是否将字符数组转换为字符串数组。
matlab_compatiblebool，可选: 返回 MATLAB 加载的矩阵（意味着 squeeze_me=False，chars_as_strings=False，mat_dtype=True，struct_as_record=True）。
struct_as_recordbool，可选: 是否将 MATLAB 结构体加载为 NumPy 记录数组，或使用 dtype=object 的旧式 NumPy 数组。将此标志设置为 False 会复制 scipy 版本 0.7.x 的行为（返回 NumPy 对象数组）。默认设置为 True，因为它允许更轻松地往返加载和保存 MATLAB 文件。
verify_compressed_data_integritybool，可选: 是否应检查 MATLAB 文件中压缩序列的长度，以确保它们不比我们预期的长。建议启用此功能（默认），因为 MATLAB 文件中过长的压缩序列通常表示文件已损坏。
variable_namesNone 或序列: 如果为 None（默认），则读取文件中的所有变量。否则，variable_names 应为字符串序列，给出要从文件中读取的 MATLAB 变量的名称。读取器将跳过名称不在该序列中的任何变量，这可能会节省一些读取处理。
simplify_cellsFalse，可选: 如果为 True，则返回简化的 dict 结构（如果 mat 文件包含单元格数组，则很有用）。请注意，这只会影响结果的结构，而不会影响其内容（对于两种输出结构都是相同的）。如果为 True，则会自动将 struct_as_record 设置为 False，并将 squeeze_me 设置为 True，这是简化单元格所必需的。
uint16_codecstr，可选: 用于解码字符的编解码器，这些字符存储为 uint16 值。默认使用系统编码，但可以手动设置为其他值，例如“ascii”、“latin1”和“utf-8”。此参数仅与存储为 v6 及更高版本的文件相关，而不与存储为 v4 的文件相关。

返回:

mat_dictdict: 字典，其中变量名作为键，加载的矩阵作为值。

注释

支持 v4（1.0 级）、v6 和 v7 到 7.2 mat 文件。

您将需要 HDF5 Python 库来读取 MATLAB 7.3 格式的 mat 文件。由于 SciPy 不提供，我们在此处不实现 HDF5/7.3 接口。

示例

>>> from os.path import dirname, join as pjoin
>>> import scipy.io as sio

从 tests/data 目录获取示例 .mat 文件的文件名。

>>> data_dir = pjoin(dirname(sio.__file__), 'matlab', 'tests', 'data')
>>> mat_fname = pjoin(data_dir, 'testdouble_7.4_GLNX86.mat')

加载 .mat 文件内容。

>>> mat_contents = sio.loadmat(mat_fname, spmatrix=False)

结果是一个字典，每个变量都有一个键/值对

>>> sorted(mat_contents.keys())
['__globals__', '__header__', '__version__', 'testdouble']
>>> mat_contents['testdouble']
array([[0.        , 0.78539816, 1.57079633, 2.35619449, 3.14159265,
        3.92699082, 4.71238898, 5.49778714, 6.28318531]])

默认情况下，SciPy 将 MATLAB 结构体读取为结构化的 NumPy 数组，其中 dtype 字段的类型为 object，名称对应于 MATLAB 结构体字段名称。可以通过设置可选参数 struct_as_record=False 来禁用此功能。

获取包含名为 teststruct 的 MATLAB 结构体的示例 .mat 文件的文件名，并加载内容。

>>> matstruct_fname = pjoin(data_dir, 'teststruct_7.4_GLNX86.mat')
>>> matstruct_contents = sio.loadmat(matstruct_fname)
>>> teststruct = matstruct_contents['teststruct']
>>> teststruct.dtype
dtype([('stringfield', 'O'), ('doublefield', 'O'), ('complexfield', 'O')])

结构化数组的大小是 MATLAB 结构体的大小，而不是任何特定字段中的元素数量。形状默认为 2-D，除非可选参数 squeeze_me=True，在这种情况下，所有长度为 1 的维度都会被删除。

>>> teststruct.size
1
>>> teststruct.shape
(1, 1)

获取 MATLAB 结构体中第一个元素的“stringfield”。

>>> teststruct[0, 0]['stringfield']
array(['Rats live on no evil star.'],
  dtype='<U26')

获取“doublefield”的第一个元素。

>>> teststruct['doublefield'][0, 0]
array([[ 1.41421356,  2.71828183,  3.14159265]])

加载 MATLAB 结构体，压缩长度为 1 的维度，并从“complexfield”中获取项目。

>>> matstruct_squeezed = sio.loadmat(matstruct_fname, squeeze_me=True)
>>> matstruct_squeezed['teststruct'].shape
()
>>> matstruct_squeezed['teststruct']['complexfield'].shape
()
>>> matstruct_squeezed['teststruct']['complexfield'].item()
array([ 1.41421356+1.41421356j,  2.71828183+2.71828183j,
    3.14159265+3.14159265j])