如何通过 h5py 读取 v7.3 mat 文件？
Posted
技术标签:
【中文标题】如何通过 h5py 读取 v7.3 mat 文件？【英文标题】：How to read a v7.3 mat file via h5py? 【发布时间】：2013-10-19 02:25:29 【问题描述】：我有一个由 matlab 创建并存储在 v7.3 格式 mat 文件中的结构数组：
struArray = struct('name', 'one', 'two', 'three',
'id', 1,2,3,
'data', [1:10], [3:9], [0])
save('test.mat', 'struArray', '-v7.3')
现在我想通过 python 使用 h5py 读取这个文件：
data = h5py.File('test.mat')
struArray = data['/struArray']
我不知道如何从struArray中一一获取struct数据：
for 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>
【问题讨论】：
您找到了实际的解决方案吗？ 我有一个类似的问题，有部分解决方案：***.com/questions/29852481/… 【参考方案1】：我知道两种解决方案（如果*.mat 文件非常大或非常深，我制作的其中一种效果更好）可以抽象出您与h5py 库的直接交互。
hdf5storage 包，维护良好，旨在帮助将 v7.3 保存的 matfile 加载到 Python 中
my own matfile loader，我写它是为了克服某些问题，即使hdf5storage 的最新版本 (0.2.0) 已经加载了大 (~500Mb) 和/或深数组（我实际上不确定这两者中的哪一个导致问题)
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 'test.mat' 产生了相似的输出：
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)
最大的不同是我的库将 Matlab 中的结构数组转换为 Python 字典，其键是结构的字段，而 hdf5storage 将它们转换为具有各种 dtype 存储字段的 numpy 对象数组。
我还注意到，数组的索引行为与您对 Matlab 方法的期望不同。具体来说，在 Matlab 中，为了获得第二个结构的 name 字段，您需要索引 结构：
[Matlab] >> struArray(2).name`
[Matlab] >> 'two'
在我的包中，你必须首先抓取字段，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'
hdf5storage 包稍微好一点，它允许您索引结构然后抓取字段，反之亦然，因为结构化的 numpy 对象数组是如何工作的：
In [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，这两个包对最终输出的处理略有不同，但总的来说，两者都非常擅长读取 v7.3 matfiles。最后的想法是，在大约 500MB+ 文件的情况下，我发现 hdf5storage 包在加载时挂起，而我的包没有（尽管完成加载仍然需要大约 1.5 分钟）。
【讨论】：
【参考方案2】：Matlab 7.3 文件格式不是很容易使用 h5py。它依赖于 HDF5 参考，参见。 h5py documentation on references.
>>> 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 将一个数字存储为一个大小为 (1, 1) 的数组，因此最后一个 [0, 0] 来获取该数字。
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，需要将整数数组转换为字符串：
>>> 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'
【讨论】：
【参考方案3】：这确实是 Matlab 7.3 和 h5py 的问题。
我的诀窍是将h5py._hl.dataset.Dataset 类型转换为numpy 数组。
例如，
np.array(data['data'])
将使用'data' 字段解决您的问题。
【讨论】：
不起作用。只需在现有的顶部添加另一个阵列层。例如。array([[<HDF5 object reference>, <HDF5 object reference>, <HDF5 object reference>]], dtype=object) 和现有数据类型为h5py._hl.dataset.Dataset【参考方案4】：
visit 或visititems 是查看h5py 文件整体结构的快捷方式：
fs['struArray'].visititems(lambda n,o:print(n, o))
当我在 Octave save -hdf5 生成的文件上运行它时，我得到：
type <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 生成的不同，但它给出了结构复杂性的概念。
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://***.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]
【讨论】：
【参考方案5】：我会首先启动解释器并在struarray 上运行help。它应该为您提供足够的信息来帮助您入门。否则，您可以通过printing __dict__ 属性转储任何 Python 对象的属性。
【讨论】：
【参考方案6】：很抱歉，但我认为从 Matlab 外部获取单元格/结构的内容将非常具有挑战性。如果您查看生成的文件（例如使用 HDFView），您会看到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值数组，它就可以正常工作。如果您有包含数值数组的小元胞数组，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，可以直接保存和加载。因此，在您的示例中，我将使用 vars name1, name2, name3, id1, id2, id3 ... 等保存一个文件。
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 您应该能够将原始变量转换为 numpy 等效项（例如对象数组）。
【讨论】：
谢谢！几天来我一直在努力解决这个问题。我总是得到像<HDF5 object reference> 这样的东西，而不是真正的价值。但是，scipy.io.loadmat 不适用于 v7.3 格式的 mat 文件。以上是关于如何通过 h5py 读取 v7.3 mat 文件？的主要内容，如果未能解决你的问题，请参考以下文章
python读取mat（v7.3）文件中的cell以及struct
Python 之 h5py 读取 matlab 中 .mat 文件 cell 方法浅析