Python SciPy matlab.loadmat用法及代碼示例

本文簡要介紹 python 語言中 scipy.io.matlab.loadmat 的用法。

用法:

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

加載 MATLAB 文件。

參數 ：：

file_name： str

mat 文件的名稱(如果 appendmat==True，則不需要 .mat 擴展名)。也可以通過打開的file-like 對象。

mdict： 字典，可選

在其中插入 matfile 變量的字典。

appendmat： 布爾型，可選

如果不存在，則將 .mat 擴展名附加到給定文件名的末尾。默認為真。

byte_order： str 或無，可選

默認情況下無，暗示從 mat 文件中猜測的字節順序。否則可以是(‘native’、'='、‘little’、'<'、'BIG'、'>')之一。

mat_dtype： 布爾型，可選

如果為 True，則返回與加載到 MATLAB 相同 dtype 的數組(而不是保存它們的 dtype)。

squeeze_me： 布爾型，可選

是否壓縮單位矩陣維度。

chars_as_strings： 布爾型，可選

是否將 char 數組轉換為字符串數組。

matlab_compatible： 布爾型，可選

返回將由 MATLAB 加載的矩陣(暗示 squeeze_me=False、chars_as_strings=False、mat_dtype=True、struct_as_record=True)。

struct_as_record： 布爾型，可選

是否將 MATLAB 結構加載為 NumPy 記錄數組，或者加載為 dtype=object 的 old-style NumPy 數組。將此標誌設置為 False 會複製 scipy 版本 0.7.x 的行為(返回 NumPy 對象數組)。默認設置為 True，因為它可以更輕鬆地 round-trip 加載和保存 MATLAB 文件。

verify_compressed_data_integrity： 布爾型，可選

是否應檢查 MATLAB 文件中壓縮序列的長度，以確保它們不會比我們預期的長。建議啟用此函數(默認設置)，因為 MATLAB 文件中過長的壓縮序列通常表明文件已發生某種損壞。

variable_names： 無或序列

如果 None (默認值) - 讀取文件中的所有變量。否則，variable_names 應該是一個字符串序列，給出要從文件中讀取的 MATLAB 變量的名稱。閱讀器將跳過名稱不在此序列中的任何變量，可能會節省一些讀取處理。

simplify_cells： 錯誤的，可選的

如果為 True，則返回簡化的 dict 結構(如果 mat 文件包含元胞數組，這很有用)。請注意，這隻影響結果的結構，而不影響其內容(這對於兩個輸出結構都是相同的)。如果為 True，這會自動將 struct_as_record 設置為 False，並將 squeeze_me 設置為 True，這是簡化單元格所必需的。

返回 ：：

mat_dict： dict

以變量名作為鍵的字典，並將加載的矩陣作為值。

注意：

支持 v4(1.0 級)、v6 和 v7 到 7.2 的 matfile。

您將需要 HDF5 Python 庫來讀取 MATLAB 7.3 格式的 mat 文件。由於SciPy沒有提供，因此我們在這裏不實現HDF5 /7.3接口。

例子：

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

從測試/數據目錄中獲取示例 .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')

加載 .mat 文件內容。

>>> mat_contents = sio.loadmat(mat_fname)

結果是一個字典，每個變量都有一個鍵/值對：

>>> 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]])

默認情況下，SciPy 將 MATLAB 結構體讀取為結構化 NumPy 數組，其中 dtype 字段的類型為 object，名稱對應於 MATLAB 結構體字段名稱。可以通過設置可選參數struct_as_record=False 來禁用此函數。

獲取包含名為 teststruct 的 MATLAB 結構的示例 .mat 文件的文件名並加載內容。

>>> 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')])

結構化數組的大小是 MATLAB 結構的大小，而不是任何特定字段中元素的數量。除非可選參數squeeze_me=True，否則形狀默認為二維，在這種情況下，所有長度為 1 的維度都將被刪除。

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

獲取 MATLAB 結構中第一個元素的 ‘stringfield’。

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

獲取‘doublefield’ 的第一個元素。

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

加載 MATLAB 結構，擠出長度為 1 的維度，並從 ‘complexfield’ 中獲取項目。

>>> 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])