Scipy.io savemat/loadmat处理嵌套列表时的格式异常问题

这问题我之前踩过坑！原因其实是MATLAB的.mat格式本身不支持Python里这种长度不规则的嵌套列表——MATLAB的数组要求所有子元素维度一致，所以当你用savemat存储这种每个子列表长度不一样的结构时，它会自动把这些子列表转成MATLAB的cell数组，等你用loadmat加载回来，就变成了嵌套的numpy array对象，而不是原来的纯Python列表。

快速修复方案 #

加载后遍历每个元素，把numpy array转换成普通Python列表就行，用列表推导式就能快速搞定：

from scipy.io import loadmat, savemat
import numpy as np

# 你的原保存代码
dic = {"X": [[1,2,3],[1,2,4],[6,7,8,9],[1]]}
savemat('Test.mat', mdict=dic)

# 加载并恢复格式
loaded_data = loadmat('Test.mat')
# 注意loadmat返回的X会多一层外层嵌套，先取[0]拿到cell数组的内容
raw_x = loaded_data['X'][0]
# 把每个二维array压平成一维再转列表
restored_x = [arr.flatten().tolist() for arr in raw_x]

print(restored_x)
# 输出：[[1, 2, 3], [1, 2, 4], [6, 7, 8, 9], [1]]

处理更深层次的嵌套 #

如果你的嵌套结构不止一层，比如[[[1,2], [3]], [4,5]]这种，那可以写个递归函数来处理所有层级的array转换：

def restore_py_list(mat_obj):
    result = []
    for item in mat_obj:
        if isinstance(item, np.ndarray):
            # 把二维array压平成一维再转列表
            result.append(item.flatten().tolist())
        else:
            # 递归处理嵌套结构
            result.append(restore_py_list(item))
    return result

# 使用示例
loaded_data = loadmat('Test.mat')
restored_x = restore_py_list(loaded_data['X'][0])

额外说明 #

如果不是必须用.mat文件存储，其实可以考虑用Python原生的pickle或者JSON格式来保存数据，这样能直接保留Python的列表结构，不需要额外转换。但如果是要和MATLAB交互，那上述的转换方法就是最直接的解决方案。

内容的提问来源于stack exchange，提问作者tahsin314