如何解决Pandas加载MATLAB转CSV报Must pass 2-d input错误

pandas.DataFrame 为二维表结构，仅支持传入二维数组或结构化数据。你从MATLAB文件读取的变量是形状为(170, 7, 3, 3)的四维数组，直接传入会触发维度不匹配报错。

根据实际导出需求选择对应方案即可：

方案1：全量数据按样本展平导出（适用绝大多数场景） #

如果数组第一维（长度170）为独立样本/观测记录，剩余三维为特征维度，可直接将高维数组重构为二维结构，不会丢失任何原始数值：

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

data = loadmat(r"/Users/a/desktop/file.mat")
x = data["file"]

# 以第一维为行，剩余维度展平为特征列，输出形状为(170, 63)
# 若导出后数值排布和MATLAB中不一致，给reshape加order="F"参数适配MATLAB列优先存储规则
x_2d = x.reshape(x.shape[0], -1)
df = pd.DataFrame(x_2d)

# 可选：给特征列添加维度索引标识，按需修改列名即可
df.columns = [f"dim2_{i}_dim3_{j}_dim4_{k}" for i in range(7) for j in range(3) for k in range(3)]

df.to_csv(r"/Users/a/desktop/data.csv", index=False)

方案2：导出带维度索引的长表 #

如果需要保留所有维度的索引信息（比如四个维度分别对应被试、频段、通道、实验条件等业务属性），可生成长表格式，每一行对应一个数值和它所属的四个维度标签，方便后续筛选统计：

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

data = loadmat(r"/Users/a/desktop/file.mat")
x = data["file"]

# 生成所有位置的维度索引
d1, d2, d3, d4 = np.indices(x.shape)
df = pd.DataFrame({
    "dim1": d1.flatten(),
    "dim2": d2.flatten(),
    "dim3": d3.flatten(),
    "dim4": d4.flatten(),
    "value": x.flatten(order="F") # 适配MATLAB存储顺序可加order="F"
})

# 可将列名替换为实际业务含义，比如把dim1改为subject_id
df.to_csv(r"/Users/a/desktop/data_long.csv", index=False)

方案3：提取指定切片导出 #

如果不需要全量数据，仅需要四维数组中某一个二维切片，先做维度切片再重构为二维结构即可，例如提取第一个样本对应的三维子数组，展平后导出：

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

data = loadmat(r"/Users/a/desktop/file.mat")
x = data["file"]

# 提取第0个样本的子数组，按需修改索引值即可
x_slice = x[0, :, :, :].reshape(7, -1, order="F")
df = pd.DataFrame(x_slice)
df.to_csv(r"/Users/a/desktop/data_slice.csv", index=False)

• MATLAB采用列优先（Fortran order）存储，numpy默认采用行优先（C order）存储，如果reshape后发现数值排布和MATLAB中不一致，给reshape、flatten操作加上order="F"参数即可对齐
• 导出CSV时建议传入index=False参数，避免pandas自动生成的行索引作为冗余列写入文件

内容的提问来源于stack exchange，提问作者user19542635