如何将含多参与者struct的Matlab .mat文件转为Python DataFrame？

步骤说明 #

你加载的data是一个1×17的numpy结构化数组，每个元素对应一名参与者的完整数据。要转换成DataFrame，核心是把每个参与者的字段提取为字典，再批量转换为DataFrame。以下是具体实现：

完整代码 #

from scipy.io import loadmat
import pandas as pd
import numpy as np

# 加载数据（你的原有代码）
matlabData = loadmat(r"\\LPS_IMU_Struct060621_Done.mat")
data = matlabData['LPS_Struct']

# 把1×17的数组展平为一维，方便遍历所有参与者
participants = data.flatten()

# 初始化列表存储每个参与者的字典数据
participant_data = []

for idx, participant in enumerate(participants):
    # 创建当前参与者的数据字典
    p_dict = {"Participant_ID": idx + 1}  # 可选：添加参与者编号
    
    # 遍历所有字段（对应dtype里的Name、Table等）
    for field_name in data.dtype.names:
        # 提取字段值：loadmat加载的struct字段是嵌套的(1,1) object，需要[0][0]取出实际内容
        field_value = participant[field_name][0][0]
        
        # 处理不同类型的字段：
        if isinstance(field_value, np.ndarray):
            # 如果是Matlab Table（结构化数组），直接转成子DataFrame
            if field_value.dtype.names is not None:
                p_dict[field_name] = pd.DataFrame(field_value)
            # 如果是普通数值数组，转成列表存在DataFrame中（避免嵌套数组的存储问题）
            else:
                p_dict[field_name] = field_value.tolist()
        # 字符串/其他基础类型直接保留
        else:
            p_dict[field_name] = field_value
    
    participant_data.append(p_dict)

# 转换为最终的DataFrame
final_df = pd.DataFrame(participant_data)

关键细节解释 #

1. 展平数组：data.flatten()把原来的(1,17)二维数组转成一维，遍历起来更直观。
2. 字段提取：Matlab struct通过loadmat加载后，每个字段都是(1,1)的object类型，必须用[0][0]才能取出实际数据（比如字符串、数组或Table）。
3. 类型适配：
   • Matlab的Table会被加载为numpy结构化数组，直接用pd.DataFrame()转换为子DataFrame，保留原表格结构。
   • 数值数组转成列表存储，避免DataFrame中嵌套numpy数组可能带来的操作问题。
4. 参与者编号：可选添加Participant_ID列，方便后续按参与者筛选分析。

后续调整建议 #

• 如果某个数组字段（比如Array）需要展开为多列，可以在遍历字段时单独处理，比如用pd.DataFrame(field_value)后拼接成主DataFrame的列。
• 如果字符串出现编码问题，可以尝试用str(field_value)强制转换为Python字符串。

内容的提问来源于stack exchange，提问作者Cmagelssen