Python SciPy io.loadmat用法及代码示例

本文简要介绍 python 语言中 scipy.io.loadmat 的用法。

用法:

scipy.io.loadmat(file_name, mdict=None, appendmat=True, **kwargs)#

加载 MATLAB 文件。

参数 ：：

file_name： str

mat 文件的名称(如果 appendmat==True，则不需要 .mat 扩展名)。也可以通过打开的file-like 对象。

mdict： 字典，可选

在其中插入 matfile 变量的字典。

appendmat： 布尔型，可选

如果不存在，则将 .mat 扩展名附加到给定文件名的末尾。默认为真。

byte_order： str 或无，可选

默认情况下无，暗示从 mat 文件中猜测的字节顺序。否则可以是(‘native’、'='、‘little’、'<'、'BIG'、'>')之一。

mat_dtype： 布尔型，可选

如果为 True，则返回与加载到 MATLAB 相同 dtype 的数组(而不是保存它们的 dtype)。

squeeze_me： 布尔型，可选

是否压缩单位矩阵维度。

chars_as_strings： 布尔型，可选

是否将 char 数组转换为字符串数组。

matlab_compatible： 布尔型，可选

返回将由 MATLAB 加载的矩阵(暗示 squeeze_me=False、chars_as_strings=False、mat_dtype=True、struct_as_record=True)。

struct_as_record： 布尔型，可选

是否将 MATLAB 结构加载为 NumPy 记录数组，或者加载为 dtype=object 的 old-style 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，因为它可以更轻松地 round-trip 加载和保存 MATLAB 文件。

verify_compressed_data_integrity： 布尔型，可选

是否应检查 MATLAB 文件中压缩序列的长度，以确保它们不会比我们预期的长。建议启用此函数(默认设置)，因为 MATLAB 文件中过长的压缩序列通常表明文件已发生某种损坏。

variable_names： 无或序列

如果 None (默认值) - 读取文件中的所有变量。否则，variable_names 应该是一个字符串序列，给出要从文件中读取的 MATLAB 变量的名称。阅读器将跳过名称不在此序列中的任何变量，可能会节省一些读取处理。

simplify_cells： 错误的，可选的

如果为 True，则返回简化的 dict 结构(如果 mat 文件包含元胞数组，这很有用)。请注意，这只影响结果的结构，而不影响其内容(这对于两个输出结构都是相同的)。如果为 True，这会自动将 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。

返回 ：：

mat_dict： dict

以变量名作为键的字典，并将加载的矩阵作为值。

注意：

支持 v4(1.0 级)、v6 和 v7 到 7.2 的 matfile。

您将需要 HDF5 Python 库来读取 MATLAB 7.3 格式的 mat 文件。由于SciPy没有提供，因此我们在这里不实现HDF5 /7.3接口。

例子：

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

从测试/数据目录中获取示例 .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)

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 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 来禁用此函数。

获取包含名为 teststruct 的 MATLAB 结构的示例 .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 结构的大小，而不是任何特定字段中元素的数量。除非可选参数squeeze_me=True，否则形状默认为二维，在这种情况下，所有长度为 1 的维度都将被删除。

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

获取 MATLAB 结构中第一个元素的 ‘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，挤出长度为 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])