我太懂你这种头疼的感觉了——Matlab v7.3格式的.mat文件里的Table对象确实是个小坑，像你用mat73直接读会返回None还提示不支持table类型，这是因为大部分Python库都没专门做Matlab Table结构的解析适配。我给你两个亲测有效的解决办法，你可以按需选：

方法一：用h5py手动解析HDF5结构（不用改Matlab代码） #

Matlab v7.3本质是HDF5格式，Table在里面是以复杂组结构存储的，我们可以直接用h5py拆出来组装成Python常用的DataFrame：

import h5py
import pandas as pd

# 打开mat文件
with h5py.File('test_table_73.mat', 'r') as f:
    # 定位到Table对应的组
    table_group = f['test_table']
    
    # 读取列名（Matlab的字符串是字节格式，需要解码成普通字符串）
    var_names = [name.decode('utf-8') for name in table_group['VariableNames'][0]]
    
    # 逐个提取每一列的数据
    table_data = {}
    for idx, col_name in enumerate(var_names):
        # 读取列数据，Matlab是列优先存储，这里转成一维数组
        col_values = table_group['Variables'][idx][:].flatten()
        table_data[col_name] = col_values
    
    # 组装成DataFrame，和Matlab里的Table结构完全对应
    result_df = pd.DataFrame(table_data)
    print(result_df)

运行这段代码后，你就能得到和Matlab里一模一样的表格数据了，列名和数值都不会错。

方法二：先在Matlab里把Table转成通用格式再保存（更省心） #

如果能修改Matlab的保存逻辑，直接把Table转成Python更好兼容的结构体或数组，读取起来会简单很多：

修改后的Matlab代码 #

test_table = table([1, 2]', [3, 4]', VariableNames={'a', 'b'});
% 把Table转成结构体（保留列名）
test_struct = table2struct(test_table);
% 保存成v7.3格式
save("test_table_73.mat", "test_struct", "-v7.3");

对应的Python读取代码 #

import mat73
import pandas as pd

data_73 = mat73.loadmat("test_table_73.mat")
# 把结构体转成DataFrame
result_df = pd.DataFrame(data_73['test_struct'])
print(result_df)

这种方法相当于提前在Matlab里“做了适配”，Python端不用处理复杂的解析逻辑，新手也能快速搞定。

小提醒 #

• 如果你只需要Table里的数值不需要列名，也可以在Matlab里用table2array转成普通数组再保存，Python读取后直接就是numpy数组，更简单。
• 用h5py的时候要注意，Matlab的数组是列优先存储的，所以读取后记得用flatten()或者T转置调整成我们习惯的行优先结构。

你可以根据自己的实际情况选其中一种，亲测都能解决你遇到的问题～