python讀取.mat文件的數(shù)據(jù)及實(shí)例代碼
更新時(shí)間：2019年07月12日 10:27:01 作者：chen狗蛋兒
這篇文章主要介紹了python讀取.mat文件的數(shù)據(jù)的方法，本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值 ,需要的朋友可以參考下
首先導(dǎo)入scipy的包 from scipy.io import loadmat
然后讀取 m = loadmat("F:/__identity/activity/論文/data/D001.mat")
注意這里m是一個(gè)dict數(shù)據(jù)結(jié)構(gòu)
>>> m
{'__header__': b'MATLAB 5.0 MAT-file, Platform: PCWIN, Created on: Mon Aug 15 22:16:43 2011', '__globals__': [], 'labels': array([[1],
[3],
[4],
...,
[4],
[3],
[4]], dtype=uint8), 'data': array([[ 1. , 0.35 , 0.265 , ..., 0.0995, 0.0485, 0.07 ],
[ 2. , 0.53 , 0.42 , ..., 0.2565, 0.1415, 0.21 ],
[ 1. , 0.44 , 0.365 , ..., 0.2155, 0.114 , 0.155 ],
...,
[ 1. , 0.59 , 0.44 , ..., 0.439 , 0.2145, 0.2605],
[ 1. , 0.6 , 0.475 , ..., 0.5255, 0.2875, 0.308 ],
[ 2. , 0.625 , 0.485 , ..., 0.531 , 0.261 , 0.296 ]]), '__version__': '1.0'}
>>> m.keys()
dict_keys(['__header__', '__globals__', 'labels', 'data', '__version__'])
>>> m["labels"]
array([[1],
[3],
[4],
...,
[4],
[3],
[4]], dtype=uint8)
>>> m["data"]
array([[ 1. , 0.35 , 0.265 , ..., 0.0995, 0.0485, 0.07 ],
[ 2. , 0.53 , 0.42 , ..., 0.2565, 0.1415, 0.21 ],
[ 1. , 0.44 , 0.365 , ..., 0.2155, 0.114 , 0.155 ],
...,
[ 1. , 0.59 , 0.44 , ..., 0.439 , 0.2145, 0.2605],
[ 1. , 0.6 , 0.475 , ..., 0.5255, 0.2875, 0.308 ],
[ 2. , 0.625 , 0.485 , ..., 0.531 , 0.261 , 0.296 ]])
有點(diǎn)不太懂這個(gè)“uint8”
>>> m["labels"][0]
array([1], dtype=uint8)
>>> m["labels"][0][0]
1
>>> m["labels"][0][0] + 1
2
>>> m["labels"][0].as_type("int")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'numpy.ndarray' object has no attribute 'as_type' # 注意時(shí)astype不是as_type
>>> m["labels"][0].dtype
dtype('uint8')
>>> m["labels"][0].astype("int")
array([1])
這個(gè)數(shù)據(jù)類型真是醉了：
>>> type(m["labels"][0][0] + 1) <class 'numpy.int32'>
如果要把它變成dataframe，導(dǎo)入pandas后
>>> df = pd.DataFrame(m["data"]) >>> df.head() 0 1 2 3 4 5 6 7 0 1.0 0.350 0.265 0.090 0.2255 0.0995 0.0485 0.070 1 2.0 0.530 0.420 0.135 0.6770 0.2565 0.1415 0.210 2 1.0 0.440 0.365 0.125 0.5160 0.2155 0.1140 0.155 3 3.0 0.330 0.255 0.080 0.2050 0.0895 0.0395 0.055 4 3.0 0.425 0.300 0.095 0.3515 0.1410 0.0775 0.120
總結(jié)
以上所述是小編給大家介紹的python讀取.mat文件的數(shù)據(jù) ,希望對(duì)大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！
如果你覺(jué)得本文對(duì)你有幫助，歡迎轉(zhuǎn)載，煩請(qǐng)注明出處，謝謝！
相關(guān)文章
python+influxdb+shell編寫區(qū)域網(wǎng)絡(luò)狀況表
這篇文章主要為大家詳細(xì)介紹了python+influxdb+shell編寫區(qū)域網(wǎng)絡(luò)狀況表，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-07-07
近期在整理相冊(cè)的時(shí)候，發(fā)現(xiàn)相冊(cè)中有許多重復(fù)圖片，人工一張張篩查刪除太枯燥，便寫下這個(gè)python腳本，用于刪除文件夾下重復(fù)的圖片2021-05-05
python使用threading獲取線程函數(shù)返回值的實(shí)現(xiàn)方法
這篇文章主要介紹了python使用threading獲取線程函數(shù)返回值的實(shí)現(xiàn)方法,需要的朋友可以參考下2017-11-11
這篇文章主要介紹了用Python編寫一個(gè)高效的端口掃描器的方法，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-12-12
淺談keras中的Merge層(實(shí)現(xiàn)層的相加、相減、相乘實(shí)例)
這篇文章主要介紹了淺談keras中的Merge層(實(shí)現(xiàn)層的相加、相減、相乘實(shí)例)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-05-05
PyCharm2019.3永久激活破解詳細(xì)圖文教程，親測(cè)可用（不定期更新）
這篇文章主要介紹了PyCharm2019.3最新激活碼(注冊(cè)碼)破解永久版詳細(xì)圖文教程的相關(guān)資料,親測(cè)可用，需要的朋友可以參考下2020-10-10
Python之Matplotlib繪圖調(diào)節(jié)清晰度解決方案
Matplotlib是一個(gè)Python的繪圖庫(kù),可以用來(lái)繪制各種類型的圖表,包括線圖、散點(diǎn)圖、柱狀圖等等,這篇文章主要給大家介紹了關(guān)于Python之Matplotlib繪圖調(diào)節(jié)清晰度的相關(guān)資料,需要的朋友可以參考下2024-03-03
python requests.post帶head和body的實(shí)例
今天小編就為大家分享一篇python requests.post帶head和body的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
pytest內(nèi)置fixture使用臨時(shí)目錄流程詳解
fixture是在測(cè)試函數(shù)運(yùn)行前后，由pytest執(zhí)行的外殼函數(shù)。fixture中的代碼可以定制，滿足多變的測(cè)試需求，包括定義傳入測(cè)試中的數(shù)據(jù)集、配置測(cè)試前系統(tǒng)的初始狀態(tài)、為批量測(cè)試提供數(shù)據(jù)源等等。fixture是pytest的精髓所在2022-12-12
這篇文章主要介紹了詳解Pycharm與anaconda安裝配置指南,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-08-08