我有一个由 matlab 创建的结构体数组，并存储在 v7.3 格式的 mat 文件中：
struArray = struct('name', {'one', 'two', 'three'},
'id', {1,2,3},
'data', {[1:10], [3:9], [0]})
save('test.mat', 'struArray', '-v7.3')
现在我想使用 h5py 通过 python 读取这个文件：
data = h5py.File('test.mat')
struArray = data['/struArray']
我不知道如何从
struArrayfor index in range(<the size of struArray>):
elem = <the index th struct in struArray>
name = <the name of elem>
id = <the id of elem>
data = <the data of elem>
Matlab 7.3 文件格式不太容易与 h5py 一起使用。它依赖于 HDF5 参考，参见。 h5py 参考文档。
>>> import h5py
>>> f = h5py.File('test.mat')
>>> list(f.keys())
['#refs#', 'struArray']
>>> struArray = f['struArray']
>>> struArray['name'][0, 0] # this is the HDF5 reference
<HDF5 object reference>
>>> f[struArray['name'][0, 0]].value # this is the actual data
array([[111],
[110],
[101]], dtype=uint16)
阅读
struArray(i).id>>> f[struArray['id'][0, 0]][0, 0]
1.0
>>> f[struArray['id'][1, 0]][0, 0]
2.0
>>> f[struArray['id'][2, 0]][0, 0]
3.0
请注意，Matlab 将数字存储为大小为 (1, 1) 的数组，因此最终
[0, 0]阅读
struArray(i).data>>> f[struArray['data'][0, 0]].value
array([[ 1.],
[ 2.],
[ 3.],
[ 4.],
[ 5.],
[ 6.],
[ 7.],
[ 8.],
[ 9.],
[ 10.]])
要读取
struArray(i).name>>> f[struArray['name'][0, 0]].value.tobytes()[::2].decode()
'one'
>>> f[struArray['name'][1, 0]].value.tobytes()[::2].decode()
'two'
>>> f[struArray['name'][2, 0]].value.tobytes()[::2].decode()
'three'
visitvisititemsh5pyfs['struArray'].visititems(lambda n,o:print(n, o))
当我在 Octave 生成的文件上运行此命令时
save -hdf5type <HDF5 dataset "type": shape (), type "|S7">
value <HDF5 group "/struArray/value" (3 members)>
value/data <HDF5 group "/struArray/value/data" (2 members)>
value/data/type <HDF5 dataset "type": shape (), type "|S5">
value/data/value <HDF5 group "/struArray/value/data/value" (4 members)>
value/data/value/_0 <HDF5 group "/struArray/value/data/value/_0" (2 members)>
value/data/value/_0/type <HDF5 dataset "type": shape (), type "|S7">
value/data/value/_0/value <HDF5 dataset "value": shape (10, 1), type "<f8">
value/data/value/_1 <HDF5 group "/struArray/value/data/value/_1" (2 members)>
...
value/data/value/dims <HDF5 dataset "dims": shape (2,), type "<i4">
value/id <HDF5 group "/struArray/value/id" (2 members)>
value/id/type <HDF5 dataset "type": shape (), type "|S5">
value/id/value <HDF5 group "/struArray/value/id/value" (4 members)>
value/id/value/_0 <HDF5 group "/struArray/value/id/value/_0" (2 members)>
...
value/id/value/_2/value <HDF5 dataset "value": shape (), type "<f8">
value/id/value/dims <HDF5 dataset "dims": shape (2,), type "<i4">
value/name <HDF5 group "/struArray/value/name" (2 members)>
...
value/name/value/dims <HDF5 dataset "dims": shape (2,), type "<i4">
这可能与 MATLAB 7.3 生成的内容不同，但它给出了结构复杂性的想法。
更精细的回调可以显示值，并且可以作为重新创建 Python 对象（字典、列表等）的起点。
def callback(name, obj):
if name.endswith('type'):
print('type:', obj.value)
elif name.endswith('value'):
if type(obj).__name__=='Dataset':
print(obj.value.T) # http://stackoverflow.com/questions/21624653
elif name.endswith('dims'):
print('dims:', obj.value)
else:
print('name:', name)
fs.visititems(callback)
产生：
name: struArray
type: b'struct'
name: struArray/value/data
type: b'cell'
name: struArray/value/data/value/_0
type: b'matrix'
[[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]]
name: struArray/value/data/value/_1
type: b'matrix'
[[ 3. 4. 5. 6. 7. 8. 9.]]
name: struArray/value/data/value/_2
type: b'scalar'
0.0
dims: [3 1]
name: struArray/value/id
type: b'cell'
name: struArray/value/id/value/_0
type: b'scalar'
1.0
...
dims: [3 1]
name: struArray/value/name
type: b'cell'
name: struArray/value/name/value/_0
type: b'sq_string'
[[111 110 101]]
...
dims: [3 1]
我很抱歉，但我认为从 Matlab 之外获取细胞/结构的内容将是相当具有挑战性的。如果您查看生成的文件（例如使用 HDFView），您会发现有很多交叉引用，并且没有明显的方法可以继续。
如果您坚持使用简单的数字数组，它就可以正常工作。如果您有包含数值数组的小型元胞数组，您可以将它们转换为单独的变量（即 cellcontents1、cellcontents2 等），这些变量通常只有几行，并允许直接保存和加载它们。因此，在您的示例中，我将使用 vars
name1, name2, name3, id1, id2, id3 ...编辑：您在问题中指定了 h5py，这就是我的回答，但值得一提的是，使用
scipy.io.loadmat我首先启动解释器并在
helpstruarrayprint__dict__我知道两种解决方案（其中一种是我制作的，如果
*.math5pyhdf5storage0.2.0hdf5storage假设您已将这两个包下载到可以将它们加载到 Python 中的位置，您可以看到它们为您的示例生成类似的输出
'test.mat'In [1]: pyInMine = LoadMatFile('test.mat')
In [2]: pyInHdf5 = hdf5.loadmat('test.mat')
In [3]: pyInMine()
Out[3]: dict_keys(['struArray'])
In [4]: pyInMine['struArray'].keys()
Out[4]: dict_keys(['data', 'id', 'name'])
In [5]: pyInHdf5.keys()
Out[5]: dict_keys(['struArray'])
In [6]: pyInHdf5['struArray'].dtype
Out[6]: dtype([('name', 'O'), ('id', '<f8', (1, 1)), ('data', 'O')])
In [7]: pyInHdf5['struArray']['data']
Out[7 ]:
array([[array([[ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]]),
array([[3., 4., 5., 6., 7., 8., 9.]]), array([[0.]])]],
dtype=object)
In [8]: pyInMine['struArray']['data']
Out[8]:
array([[array([[ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]]),
array([[3., 4., 5., 6., 7., 8., 9.]]), array([[0.]])]],
dtype=object)
最大的区别是我的库将 Matlab 中的结构体数组转换为 Python 字典，其键是结构体的字段，而
hdf5storagenumpy我还注意到，数组的索引行为与您期望的 Matlab 方法不同。具体来说，在 Matlab 中，为了获取第二个结构的
name[Matlab] >> struArray(2).name`
[Matlab] >> 'two'
在我的包中，您必须首先抓住字段，然后然后索引：
In [9]: pyInMine['struArray'].shape
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-64-a2f85945642b> in <module>
----> 1 pyInMine['struArray'].shape
AttributeError: 'dict' object has no attribute 'shape'
In [10]: pyInMine['struArray']['name'].shape
Out[10]: (1, 3)
In [11]: pyInMine['struArray']['name'][0,1]
Out[11]: 'two'
hdf5storagenumpyIn [12]: pyInHdf5['struArray'].shape
Out[12]: (1, 3)
In [13]: pyInHdf5['struArray'][0,1]['name']
Out[13]: array([['two']], dtype='<U3')
In [14]: pyInHdf5['struArray']['name'].shape
Out[14]: (1, 3)
In [15]: pyInHdf5['struArray']['name'][0,1]
Out[15]: array([['two']], dtype='<U3')
同样，这两个包处理最终输出的方式略有不同，但总的来说，它们都非常擅长读取 v7.3 matfiles。最后的想法是，在大约 500MB+ 文件的情况下，我发现
hdf5storage我使用了mat73包，参见mat73 github。它可以通过 pip 安装，并负责正确加载 .mat 文件，类似于 scipy.io 过去的做法。
data_dict = mat73.loadmat('data.mat', use_attrdict=True)
返回一个数据字典，该字典正确返回.mat文件的结构。
确实是Matlab 7.3和h5py的问题。 我的技巧是将
h5py._hl.dataset.Datasetnumpynp.array(data['data'])
将通过
'data'