python读取mat报错？一招解决NotImplementedError: Please use HDF reader for matlab v7.3 files

最新推荐文章于 2023-06-06 11:38:20 发布
最新推荐文章于 2023-06-06 11:38:20 发布
阅读量5.3k 收藏 14
点赞数 14
分类专栏： Python 文章标签： python matlab mat
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36937684/article/details/108450499
版权
AsajuHuishi
关注
  • 14
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Please use HDF reader for matlab v7.3 files
jacke121的专栏
12-26 8590
Please use HDF reader for matlab v7.3 files 我发现的问题是mat文件不一样，有的可以打开，有的不能打开，不能用的h5py试试： python中读取.mat文件的问题，直接上代码： data = scipy.io.loadmat('cebi.mat') # 读取mat文件 print(data.keys()) # 查看mat文件中的所有变量 ...
matlab读取hdf文件例子
05-18
matlab z这是其中的一个小例子读取hdf,主要结合所搜选的资源
python读取.mat文件时出现’NotImplementedError: Please use HDF reader for matlab v7.3 files‘问题的解决方案
热门推荐
qq_36427732的博客
09-20 2万+
原文网址：http://www.th7.cn/Program/Python/201702/1098085.shtml ＃　最初用loadmat读取数据 import numpy as np from scipy import io mat = io.loadmat('test.mat') # 如果报错:NotImplementedError:Please use HDF reader
python 读写Matlab mat v7.3文件
LuchangLi 的专栏
01-09 7113
主要使用了hdf5storage这个模块 比h5py更好用，而且h5py还存在读入数据维度跟matlab不一致的问题 import hdf5storage # get code on https://pypi.python.org/pypi/hdf5storage/0.1.3 import numpy as np # 写入mat def WriteMatlab(data_np, VarN...
NotImplementedError: Please use HDF reader for matlab v7.3 files
weixin_44737922的博客
07-01 742
参考该篇解决方案 是因为scipy.io没办法读取v7.3的mat文件 解决方法为 pip install mat37在代码中import mat37 然后把scipy.io.loadmat()替换成mat73.loadmat()即可
python读取mat文件报错【NotImplementedError: Please use HDF reader for matlab v7.3 files】
Together_CZ的博客
10-11 2468
之前在操作mat格式的数据文件的时候我都是使用scipy来处理的，今天依旧是这么处理的时候报错了，查了下原因发现报错是提示当前的mat文件实际上是需要按照h5文件的格式来处理的，原始代码为： import scipy.io as sio data_file = 'data.mat' data = sio.loadmat(data_file) print(type(data)) print(data.keys()) 修改为： import h5py data=h5py.F...
Bug小能手系列(python)_3:Please use HDF reader for matlab v7.3 files
走在深度学习前沿的小宋
04-17 990
Please use HDF reader for matlab v7.3 files
mat7.3:加载MATLAB 7.3 .mat文件。 即将hdf5加载到Python数据类型中
05-08
NotImplementedError : Please use HDF reader for matlab v7 . 3 files快速开始该库将MATLAB 7.3 HDF5文件加载到Python字典中。 import mat73data_dict = mat73 . loadmat ( 'data.mat' ) 就这么简单！ 通过启用...
HDF reader 读取HDF数据集文件专用轻量级软件
04-18
仅用于个人学习，软件为读取HDF数据集轻量级软件
解决Python3.8运行tornado项目报NotImplementedError错误
09-16
主要介绍了Python3.8运行tornado项目报NotImplementedError错误,本文给大家分享解决方法，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
利用MATLAB读取HDF格式数据的实用方法
04-30
HDF是一种广泛用于科学数据共享的国际标准数据格式，正确高效地读取HDF文件数据是对其进行应用的基础。本文首先介绍了HDF文件格式，以及几种常用的HDF文件读取方式和各自的优缺点。在此基础上，详细给出了MATLAB读取HDF文件的简易方法和代码。最后，本文给出了利用MATLAB读取NCEP数据的应用实例。
MATLAB7.3金融工具箱
09-02
MATLAB7.3金融工具箱使用方法以及课件
mat2hdf:将 MATLAB 6/7 MAT 文件转换为 HDF 5。-matlab开发
06-01
将 MATLAB MAT 版本 5 (MATLAB 6/7) 文件转换为 HDF5 文件。
matlab代码读取hdf-hdfio:用于HDF5文件的所有有用的PythonI/O实用程序函数
06-17
matlab代码读取hdf 高清 用于 HDF5 文件的所有有用的 Python I/O 实用程序函数 基本原理 编写此软件包聚合器的动机是 Python 开源社区中当前存在的众多读/写功能。 该软件包将现有成熟的 hdf(5) I/O 源代码和一些...
matlab_hdf5able:用于加载 hdf5able .HDF5 文件的 Matlab 脚本-matlab开发
05-30
hdf5able 是一个 Python 项目，允许将数字重的对象保存到 HDF5 文件。 hdf5able 是 Menpo 使用的序列化库，Menpo 是一个 Python 库，用于构建和拟合可变形视觉模型，如主动外观模型 (AAM)、CLM 和 SDM。 该脚本允许...
出现错误 NotImplementedError(‘Please use HDF reader for matlab v7.3 files‘)
qq_43361801的博客
06-06 994
生成v7.3的mat之后python会报错：NotImplementedError: Please use HDF reader for matlab v7.3 files。fea_path=scio.loadmat(‘数据地址.mat’）fea_path=h5py.File('数据地址.mat')＃最初用loadmat读取数据。
Traceback (most recent call last): File "D:\python\code\阈值处理20221227\robustness.py", line 7, in <module> data = scipy.io.loadmat('D:/Network-Data-master/01_Jazz.mat') File "D:\python\code\venv\lib\site-packages\scipy\io\matlab\_mio.py", line 226, in loadmat MR, _ = mat_reader_factory(f, **kwargs) File "D:\python\code\venv\lib\site-packages\scipy\io\matlab\_mio.py", line 80, in mat_reader_factory raise NotImplementedError('Please use HDF reader for matlab v7.3 ' NotImplementedError: Please use HDF reader for matlab v7.3 files, e.g. h5py
最新发布
06-08
这个错误说明你正在尝试加载一个 Matlab v7.3 文件，而 Scipy 的 loadmat 函数不支持直接读取这种格式的文件。你可以使用 h5py 库来读取这种文件格式。以下是可能的实现方法： ```python import h5py import networkx as nx import numpy as np # 加载真实网络的jazz.mat文件 with h5py.File('D:/Network-Data-master/01_Jazz.mat', 'r') as f: adjacency_matrix = np.array(f['Problem']['A']) G = nx.from_numpy_matrix(adjacency_matrix) # 根据节点度数、介数、局部聚类系数、中介中心度、pangerank大小降序排序，burt约束系数大小升序排序，得到每种方法节点顺序表 degree = dict(G.degree()) degree_seq = [node for node, deg in sorted(degree.items(), key=lambda x: x[1], reverse=True)] betweenness = nx.betweenness_centrality(G) betweenness_seq = [node for node, btwn in sorted(betweenness.items(), key=lambda x: x[1], reverse=True)] clustering = nx.clustering(G) clustering_seq = [node for node, clust in sorted(clustering.items(), key=lambda x: x[1], reverse=True)] centrality = nx.eigenvector_centrality(G) centrality_seq = [node for node, cent in sorted(centrality.items(), key=lambda x: x[1], reverse=True)] pagerank = nx.pagerank(G) pagerank_seq = [node for node, pr in sorted(pagerank.items(), key=lambda x: x[1], reverse=True)] burt = nx.constraint(G) burt_seq = [node for node, con in sorted(burt.items(), key=lambda x: x[1])] # 每次累计删除10%节点，计算网络的连通性、网络效率、平均最短路径长度，并加入判断，避免出现网络不连通而报错，记录结果 num_nodes = len(G.nodes()) num_steps = 10 results = [] for i in range(num_steps): percent_deleted = (i+1) * 0.1 nodes_to_delete = degree_seq[:int(percent_deleted*num_nodes)] G_copy = G.copy() G_copy.remove_nodes_from(nodes_to_delete) if nx.is_connected(G_copy): results.append((percent_deleted, nx.average_shortest_path_length(G_copy), nx.global_efficiency(G_copy))) else: results.append((percent_deleted, np.nan, np.nan)) # 将节点删除过程和结果绘制成图表，观察网络鲁棒性下降的情况 fig, ax = plt.subplots(1, 3) fig.set_size_inches(18, 6) ax[0].set_title('Degree') ax[0].plot([degree[n] for n in degree_seq]) ax[0].set_xlabel('Node rank') ax[0].set_ylabel('Degree') ax[1].set_title('Efficiency and path length') ax[1].plot([r[0] for r in results], [r[1] for r in results], label='Average shortest path length') ax[1].plot([r[0] for r in results], [r[2] for r in results], label='Global efficiency') ax[1].set_xlabel('Percent nodes deleted') ax[1].set_ylabel('Metric value') ax[1].legend() ax[2].set_title('Burt constraint') ax[2].plot([burt[n] for n in burt_seq]) ax[2].set_xlabel('Node rank') ax[2].set_ylabel('Burt constraint') plt.show() ``` 这个代码和之前的代码非常相似，主要区别在于加载和处理 Matlab v7.3 文件的部分。现在使用 h5py 库来读取文件，然后将邻接矩阵转换为 NetworkX 图。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值