如何将编码字符串转为可读格式？Python3处理mat文件字符串数组方法

用scipy.io.loadmat加载MATLAB的.mat文件时，里面的字符串数组（MATLAB里的cell数组）经常会被转换成嵌套的numpy.ndarray，元素多是bytes类型，得批量处理才能变成可读的字符串数组。我分两种常见情况给你解决方案：

情况1：一维/多维的直接bytes数组 #

如果你的数组里每个元素都是直接的bytes（比如形状是(n,)或者(n,m)的ndarray，元素是b'xxx'），可以用列表推导+numpy.reshape快速转换：

import scipy.io
import numpy as np

# 加载mat文件
mat_data = scipy.io.loadmat('your_file.mat')
# 取出字符串数组，假设变量名为str_array
str_array = mat_data['str_array']

# 先拉平数组解码，再还原原形状
decoded_array = np.array([x.decode('utf-8') for x in str_array.flatten()]).reshape(str_array.shape)

情况2：嵌套的单元素数组 #

有时候MATLAB的cell数组转过来后，每个元素是一个单元素的ndarray（比如array([b'xxx'], dtype='|S10')），这时候需要先取出里面的bytes再解码：

# 比如str_array的形状是(n, m)，每个元素是单元素数组
decoded_array = np.empty(str_array.shape, dtype=str)
# 遍历每个位置解码
for i in range(str_array.shape[0]):
    for j in range(str_array.shape[1]):
        decoded_array[i, j] = str_array[i, j][0].decode('utf-8')

嫌循环麻烦的话，也可以用numpy.vectorize做向量化处理（注意：大数据量下性能不如循环，小数据量完全没问题）：

decode_func = lambda x: x[0].decode('utf-8')
decoded_array = np.vectorize(decode_func)(str_array)

同样，要是你的字符串用的不是UTF-8编码，把decode('utf-8')换成对应的编码就行，比如decode('gbk')。

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