Python读取.mat文件失败：scipy.io与h5py两种方法均未成功

我之前也踩过这个坑——你遇到的核心问题是：rateQualityOutTrim是Matlab的dataset类型对象（属于MCOS，即Matlab面向对象系统），而scipy.io和h5py默认只能读取Matlab里的普通数组、矩阵或结构体，没法自动解析这种封装的面向对象数据。下面给你两种可行的解决方案：

方案1：从Matlab端转换为兼容格式（最推荐） #

直接在Matlab里把dataset对象转成普通的table或矩阵，再保存，这样Python就能轻松读取：

Matlab端代码 #

% 将dataset对象转换为table（如果是表格型数据）
converted_data = table(rateQualityOutTrim);
% 保存为scipy兼容的v7版本
save('path/converted_data.mat', 'converted_data', '-v7');

Python端代码 #

import scipy.io as sio
import pandas as pd

# 读取转换后的mat文件
mat = sio.loadmat('path/converted_data.mat')
# 直接转成DataFrame
df = pd.DataFrame(mat['converted_data'])

方案2：Python端直接解析MatlabOpaque对象 #

如果没法修改Matlab的保存流程，那我们可以手动解析scipy返回的MatlabOpaque对象：

Python代码 #

import scipy.io as sio
import pandas as pd
from scipy.io.matlab import mat_struct

# 加载文件时开启结构体解析选项
mat = sio.loadmat('path/tmpPBworkspace.mat', struct_as_record=False, squeeze_me=True)

# 获取Opaque对象
opaque_obj = mat['None']
# 查看对象的所有属性（找到存储实际数据的字段）
print(dir(opaque_obj))

# 通常dataset的实际数据会存在类似`data`或`Values`的属性里，比如：
df = pd.DataFrame(opaque_obj.data)

方案3：用h5py解析v7.3格式文件 #

你之前用h5py时路径不对，v7.3格式里MCOS对象的存储结构嵌套更深，得先遍历文件结构找到数据：

Python代码 #

import h5py
import numpy as np
import pandas as pd

f = h5py.File('path/tmpPBworkspaceH5.mat','r')

# 先查看文件里的所有顶层节点
print("顶层节点：", list(f.keys()))
# 查看rateQualityOutTrim下的子节点
print("rateQualityOutTrim子节点：", list(f['rateQualityOutTrim'].keys()))

# 实际数据通常在`Properties`或`data`这类子组里，比如：
data_group = f['rateQualityOutTrim']['data']
# 转换为数组再转DataFrame
data_array = np.array(data_group)
df = pd.DataFrame(data_array)

关键说明 #

为什么之前的方法失败？

• 方法1中scipy返回的MatlabOpaque就是对Matlab对象的原始封装，它不会自动解析对象内部的业务数据；
• 方法2中你直接访问rateQualityOutTrim/date是错误的，因为dataset对象的存储路径不是这么简单的，需要先遍历节点找到实际数据所在的位置。

内容的提问来源于stack exchange，提问作者SBad