### Python 中使用 `scipy.io.loadmat` 读取 MAT 文件中的 Table 变量 在 Python 中，可以通过 `scipy.io` 提供的 `loadmat()` 函数加载 MATLAB 的 `.mat` 文件。然而需要注意的是，MATLAB 的 table 数据结构可能不会直接映射到标准的 NumPy 数组或字典对象中[^1]。 #### 基础方法 以下是通过 `scipy.io.loadmat` 加载包含 table 的 MAT 文件的一个基本示例： ```python import scipy.io as sio # 加载 .mat 文件 datafile = 'example.mat' # 替换为实际文件名 data = sio.loadmat(datafile) # 查看键值列表 print(list(data.keys())) # 如果知道变量名称，则可以直接访问它 if 'myTableVarName' in data: # 将 myTableVarName 替换为实际的变量名 table_data = data['myTableVarName'] print(table_data) else: print("指定的表变量未找到") ``` 注意：如果 MATLAB 表格是以 cell array 或其他复杂形式存储的，那么可能会需要额外的解析逻辑来将其转换成更易用的形式，比如 Pandas DataFrame[^3]。 #### 转换至 Pandas DataFrame 为了更好地处理表格型数据，通常会将从 MAT 文件提取的数据转化为 Pandas DataFrame: ```python import numpy as np import pandas as pd import scipy.io as sio def load_table_from_mat(file_name, var_name): """ 从 .mat 文件中加载并转换 MATLAB 表为 Pandas DataFrame. 参数: file_name (str): 输入的 .mat 文件路径. var_name (str): 存储表的变量名称. 返回: pd.DataFrame: 包含表数据的 Pandas DataFrame 对象. """ raw_data = sio.loadmat(file_name)[var_name] # 解析列名和数据部分 col_names = list(map(lambda x: ''.join(x.flat), raw_data.dtype.names)) df = pd.DataFrame(raw_data.tolist(), columns=col_names) return df # 使用函数加载数据 df = load_table_from_mat('example.mat', 'myTableVarName') print(df.head()) ``` 此代码片段假设了原始 MATLAB 表已经按照特定方式编码进了 .mat 文件之中，并且该表能够被成功解释为具有明确字段名的一系列记录集合[^5]。 对于版本高于 v7.3 的 MAT 文件（采用 HDF5 格式），则需借助 h5py 库来进行相应调整[^4]。 ---