Python处理mat文件的三种方式

读书的时候，处理数据都是采用matlab，但毕业后当了程序员，matlab从此在自己的电脑上消失了（安装包太大，还要license，启动也好慢，不符合程序员的需求）。
但是最近公司仿真的数据是以matlab的.mat格式存储的，需要读取出来处理，那就找找python相关的库吧，没有python干不了的活！！！

mat文件存储了matlab中变量数据，因此，python读出的mat数据是以k-v形式存储在字典里，key是变量名，value是数据内容：

最先想到的的是scipy工具
import scipy.io as scio
data = scio.loadmat(‘example.mat’)
data[‘loss’]
但是读取有的.mat文件的时，会抛出异常（v7.3版本）：

raise NotImplementedError('Please use HDF reader for matlab v7.3 files')
NotImplementedError: Please use HDF reader for matlab v7.3 files

遇到上面的问题，就需要采用h5py库了：

import h5py
data=h5py.loadmat('example.mat')   
data['loss'][:]

但是这样读出来的是file格式，调试的时候都很难知道key是什么，取数据可以按照key来取，但是前提是需要知道key值，不方便独立调试。

今天的主角登场，个人觉得mat73兼容性最好，几乎所有的mat文件都能成功读取，而且读取的结果是k-v的字典，很便于后续处理：

import mat73
data=mat73.loadmat(path)   
data['loss']

不推荐，兼容性较差，可能是没有后续更新。

	总的来说，个人比较推荐使用mat73，兼容各种版本的mat文件，其次可以比较清晰的看到mat文件中保存数据的key值，便于后续的提取。