有一个用于此任务的很棒的库:pymatreader。

按照下面的步骤做:

安装包:pip Install pymatreader 导入此包的相关函数:from pymatreader Import read_mat 使用函数读取matlab结构:data = read_mat('matlab_struct.mat') 使用data.keys()来定位数据实际存储的位置。

钥匙通常会像:dict_keys([‘__header__’,‘__version__’,‘__globals__’,' data_opp '])。其中data_opp将是存储数据的实际键。当然，这个键的名称可以在不同的文件之间更改。

最后一步-创建你的数据帧:my_df = pd.DataFrame(data['data_opp'])

就是这样:)

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()

需要导入，导入scipy.io…

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

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

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')

还有MathWorks本身的Python MATLAB引擎。如果你有MATLAB，这可能值得考虑(我自己没有尝试过，但它有很多功能，而不仅仅是读取MATLAB文件)。然而，我不知道是否允许将其分发给其他用户(如果这些人拥有MATLAB，这可能不是问题。否则，也许NumPy才是正确的选择?)

此外，如果您想自己完成所有的基础工作，MathWorks提供了关于文件格式结构的详细文档(如果链接更改，请尝试谷歌获取matfile_format.pdf或其标题MAT-FILE Format)。这并不像我个人想的那么复杂，但显然，这不是最简单的方法。这也取决于你想要支持多少个.mat文件的特性。

我写了一个“小”(大约700行)的Python脚本，它可以读取一些基本的.mat文件。我既不是Python专家，也不是初学者，我花了大约两天时间来编写它(使用上面链接的MathWorks文档)。我学到了很多新东西，而且很有趣(大部分时间)。由于Python脚本是我在工作中编写的，恐怕我不能发布它…但我可以在这里给出一些建议:

首先阅读文档。 使用十六进制编辑器(如HxD)并查看您想要解析的引用.mat文件。 通过将字节保存到.txt文件中并注释每行来尝试找出每个字节的含义。 使用类保存每个数据元素(如miCOMPRESSED、miMATRIX、mxDOUBLE或miINT32) .mat-files的结构是保存树形数据结构中的数据元素的最佳结构;每个节点有一个类和一个子节点