python mat文件_python 读取mat文件

需求是提取mat文件里的信息并实时传到后台服务器，因为matlib的脚本实在太难用，如果只是单纯提取信息还可以，

还涉及到一个工程问题，只好用其他语言提取。

同时补充一下这个mat文件的特点，是多层结构，里面有个变量套了多个Cell，重点是解析出多个Cell里的信息，并计算。

开始使用了C#来解析mat文件，因为原来用C#写过一个自动定时上传文件的客户端，稍加改造即可。

但是想当然地又入坑了。

先说C#客户端，两个要点

一：多文件传输，核心代码就四行

MultipartFormDataContent multipartFormDataContent = new MultipartFormDataContent(boundary);

var requestUri = "http://XXXXX:8000/imgupload";

multipartFormDataContent.Add(new ByteArrayContent(System.IO.File.ReadAllBytes(file)), "file", uploadfilename);

var result = client.PostAsync(requestUri, multipartFormDataContent).Result.Content.ReadAsStringAsync().Result;

二：定时器，时间可以由用户指定

timer.Interval = Convert.ToInt32(this.textBox2.Text)*1000;//执行间隔时间,单位为毫秒

timer.Start();

timer.Elapsed += new System.Timers.ElapsedEventHandler(Timer1_Elapsed);

以前这个小工具是用来传图的，现在改成解析成csv再传，后台启了个node服务来接受csv，备份数据后并写库。如果实时性要求高可以采用socket-websocket架构方案。

app.post('/imgupload',function(req, res, next){

var file = req.files;

var savepath = mypath.parse(file['file']['path']);

fs.rename(file['file']['path'],mypath.join(savepath.dir,file['file']['originalname']),function(err){

if(err){

console.log('上传失败');

}else{

console.log('上传成功'+file['file']['originalname']);

}

});

res.send({ret_code: '0'});

});

接下来就是重点了，使用MathNet两个包来解析mat文件，用VS工具的Nuget包管理器下载Math.net numberics，实在不行百度用install-pacakge装

using MathNet.Numerics.LinearAlgebra;

using MathNet.Numerics.Data.Matlab;

发现MathNet.Numerics.Data.Matlab这个4.0版本总是装不好，报错，只能安装到3.2.1版本。

解析数据发现，mat文件的Cell读不出来，只能读出个bytesize，一看源码，还真只有一个bytesize，读不出内容，github上找了源码，直接把源码放到本地，

这些终于有内容了，不过内容好像还是bytesize。。于是只好放弃了这个方案了。。

List ms = MatlabReader.List(path);

Matrix StartRanMatrix = MatlabReader.Unpack(ms.Find(m => m.Name == "StartRan"));

MatlabMatrix TrackMatrix = ms[9];

string[] read = { "Track" };

Dictionary> ms1 = MatlabReader.ReadAll(path, read);

//找到最低值

double StartRan = StartRanMatrix.Row(0).First();

过程不表，结局就是Python大法好，真香，里面唯一要注意的是pandas读取pd.DataFrame 之后求列的均值，

下面是python实现读取解析mat文件的源码，看看，是不是很优雅，而且执行效率比matlib原生代码高很多呢~

import pandas as pd

import scipy

from scipy import io

import math

import os

def transformData(path,outputpath):

features_struct = scipy.io.loadmat(path)

features = features_struct["Track"]

StartRan = features_struct["StartRan"][0][0]

calc = []

insectNumber = features.size

for num in range(1,insectNumber):

dfdata = pd.DataFrame(features[0][num])

calc.append(dfdata)

output = []

count = 1

for item in calc:

insectInfo = []

height = item.mean()

insectInfo.append(count)

insectInfo.append(math.floor((height[1]*960/8192+StartRan).real))

insectInfo.append(math.floor(height[8].real))

output.append(insectInfo)

count = count + 1

outputdata = pd.DataFrame(output)

outputdata.to_csv(outputpath, index=False)

if __name__ == '__main__':

rootdir = 'D:\mat'

folderlist = os.listdir(rootdir)

for d in folderlist:

folder = os.path.join(rootdir, d)

list = os.listdir(folder)

for i in range(0, len(list)):

path = os.path.join(folder, list[i])

if os.path.isfile(path):

str = path.rsplit(".", 1)

if str[1] == 'mat':

output_img_path = str[0] + ".csv"

transformData(path,output_img_path)