安装了MATLAB 2014b或更新版本后，可以使用MATLAB for Python引擎:

import matlab.engine
eng = matlab.engine.start_matlab()
content = eng.load("example.mat", nargout=1)

既不scipy.io。savemat，或scipy.io.loadmat适用于MATLAB数组版本7.3。但好的部分是MATLAB版本7.3文件是hdf5数据集。因此，可以使用包括NumPy在内的许多工具读取它们。

对于Python，您将需要h5py扩展，这需要在您的系统上安装HDF5。

import numpy as np
import h5py
f = h5py.File('somefile.mat','r')
data = f.get('data/variable1')
data = np.array(data) # For converting to a NumPy array

有一个很好的包叫做mat4py，可以很容易地安装使用

pip install mat4py

使用起来很简单(来自网站):

从mat文件加载数据

函数loadmat只使用Python的dict和list对象，将mat文件中存储的所有变量加载到一个简单的Python数据结构中。数值数组和单元格数组转换为行顺序的嵌套列表。压缩数组以消除只有一个元素的数组。生成的数据结构由与JSON格式兼容的简单类型组成。

示例:将mat文件加载到Python数据结构中:

from mat4py import loadmat

data = loadmat('datafile.mat')

变量数据是mat文件中包含变量和值的字典。

将Python数据结构保存到mat文件中

使用savemat函数，可以将Python数据保存到mat文件中。数据必须以与loadmat相同的方式结构化，即它应该由简单的数据类型组成，如dict, list, str, int和float。

示例:将Python数据结构保存到mat文件中:

from mat4py import savemat

savemat('datafile.mat', data)

参数数据应与变量一致。

安装了MATLAB 2014b或更新版本后，可以使用MATLAB for Python引擎:

import matlab.engine
eng = matlab.engine.start_matlab()
content = eng.load("example.mat", nargout=1)

Scipy可以很好地加载.mat文件。 我们可以使用get()函数将其转换为numpy数组。

mat = scipy.io.loadmat('point05m_matrix.mat')

x = mat.get("matrix")
print(type(x))
print(len(x))

plt.imshow(x, extent=[0,60,0,55], aspect='auto')
plt.show()

将mat文件读入混合数据类型的pandas dataFrame

import scipy.io as sio
mat=sio.loadmat('file.mat')# load mat-file
mdata = mat['myVar']  # variable in mat file 
ndata = {n: mdata[n][0,0] for n in mdata.dtype.names}
Columns = [n for n, v in ndata.items() if v.size == 1]
d=dict((c, ndata[c][0]) for c in Columns)
df=pd.DataFrame.from_dict(d)
display(df)