先给大家介绍下python读取并写入mat文件的方法
用matlab生成一个示例mat文件：
clear;clc matrix1 = magic(5); matrix2 = magic(6); save matData.mat
用python3读取并写入mat文件：
import scipy.io
data = scipy.io.loadmat('matData.mat') # 读取mat文件
# print(data.keys()) # 查看mat文件中的所有变量
print(data['matrix1'])
print(data['matrix2'])
matrix1 = data['matrix1']
matrix2 = data['matrix2']
print(matrix1)
print(matrix2)
scipy.io.savemat('matData2.mat',{'matrix1':matrix1, 'matrix2':matrix2}) # 写入mat文件
ps：python读取matlab写的mat文件问题以及解决办法
最近项目中需要在python下读取mat文件，遇到以下问题：
1、当数据集大小大于2GB的时候，Python就不能正确读取mat文件了。同时matlab也不能保存相应的文件，只能以 -V7.3的形式保存。具体如下：
#利用h5py读取-v7.3的.mat文件：
import h5py
dict_data = h5py.File('***.mat') #在Python中读取的.mat为字典格式
array_data = dict_data['array_name']
#其中的array_name为在保存为.mat之前的真正变量名，如 MATLAB命令：save ***.mat array_name -v7.3
2、当文件以h5py写入时，最终会出现python读取到的和matlab写入的数据维度不相同的问题。比如写入的是（1000,128,128,3）但是python读取到的维度就是（128,128,3,1000）。所以需要对python读取到的文件进行转置的处理。具体如下：
data_train = h5py.File('train_order6.mat','r')
input_train = data_train['z_wrap']
input_train = np.transpose(input_train,(0,2,1)) #The shape is changed to be consistent with tensoflow [25000,128,128]->[25000,128,128]
input_train = np.expand_dims(input_train,axis=3) #[25000,128,128]->[25000,128,128,1]
label_train = data_train['z_allRegion']
label_train = np.transpose(label_train,(0,3,2,1))#The shape is changed to be consistent with tensoflow [25000,11,128,128]->[25000,128,128,11]
一般都是第一维度和最后一个维度错误，所以都是（0，3，2，1）的形式，不过为了确保正确还是建议在读取的时候显示一下图片。
3、可以在用matlab存储时，提前permute一下，python正常读取，或者matlab正常存储，python读取后transpose一下。步骤2就是matlab正常存储，python读取后transpose.
总结
以上所述是小编给大家介绍的python读取并写入mat文件的方法 ,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
P70系列延期，华为新旗舰将在下月发布
3月20日消息，近期博主@数码闲聊站 透露，原定三月份发布的华为新旗舰P70系列延期发布，预计4月份上市。
而博主@定焦数码 爆料，华为的P70系列在定位上已经超过了Mate60，成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢？
根据目前爆料的消息来看，华为P70系列将推出三个版本，其中P70和P70 Pro采用了三角形的摄像头模组设计，而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智，但辨识度绝对拉满。