使用scipy加载MATLAB三维数组转NumPy时生成0维数组引发索引错误

scipy.io.loadmat读取.mat文件的返回值是Python字典结构，并非直接的NumPy数组：字典的每个键对应.mat文件内存储的MATLAB变量名，键对应的值，才是该MATLAB变量转换得到的NumPy数组。

原代码的核心操作存在偏差：直接将整个字典对象传入np.array()构造器生成数组时，NumPy不会自动解析字典内部的键值对结构，只会把传入的字典当做一个零维的通用Python对象存储。最终得到的数组维度始终为0，可通过matrix.shape验证，输出结果为()，也就是零维数组，内部存储的是字典对象的引用，而非字典中保存的数值矩阵，自然无法支持三维索引操作，触发维度不匹配的报错。

• 读取.mat文件后，首先遍历字典的所有键，过滤掉.mat文件自动附加的元数据键（__header__、__version__、__globals__），定位到你存储的三维矩阵对应的实际变量名。
  可通过以下代码排查文件内的所有变量：

  import scipy.io
  import numpy as np
  
  mat = scipy.io.loadmat('2021.01.25.FC.mat')
  print(mat.keys())
  

• 定位到目标变量名后，直接从字典中取出对应的值作为NumPy数组，不要对整个字典做NumPy类型转换。
  举例：如果排查发现三维矩阵的变量名为fc_result，正确的取数逻辑为：

  # 直接读取字典中对应变量的数组值
  matrix = mat['fc_result']
  # 验证数组维度，确认和MATLAB内的矩阵维度匹配
  print(matrix.shape)
  # 可正常执行三维索引操作
  x = matrix[2, 2, 2]
  

• 特殊场景处理：如果打印键列表后找不到目标业务变量，说明该.mat文件是MATLAB v7.3及以上版本导出的（底层采用HDF5存储格式），scipy.io.loadmat无法解析这类文件，需要换用h5py库读取对应的数据块。

内容的提问来源于stack exchange，提问作者Jack