首先将.mat文件保存为:

save('test.mat', '-v7')

之后，在Python中，使用常用的loadmat函数:

import scipy.io as sio
test = sio.loadmat('test.mat')

需要导入，导入scipy.io…

import scipy.io
mat = scipy.io.loadmat('file.mat')

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。

除了v4 (Level 1.0)， v6, v7到7.2 matfiles和h5py. io.loadmat之外。文件7.3格式matfiles，有另一种类型的matfiles在文本数据格式而不是二进制，通常由Octave创建，这甚至不能在MATLAB中读取。

scipy.io.loadmat和h5py。文件不能加载它们(在scipy 1.5.3和h5py 3.1.0上测试)，我找到的唯一解决方案是numpy.loadtxt。

import numpy as np
mat = np.loadtxt('xxx.mat')

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)

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)