Matlab是学术界非常受欢迎的科学计算平台，matlab提供强大的数据计算以及仿真功能。在Matlab中数据集通常保存为.mat格式。那么如果我们想要在Python中加载.mat数据应该怎么办呢？所以今天就给大家分享一个使用python加载.mat数据的方法。我将使用Stanford Cars Dataset数据集作为例子为大家演示使用方法。数据集
Stanford Cars Dataset数据集是一个关于车辆图像分类的数据集，该数据集保存格式为.mat形式。数据及下载地址为：
https://ai.stanford.edu/~jkrause/cars/car_dataset.html
加载.mat文件
Scipy是一个非常流行的用于科学计算的python库，很自然地，它们有一种方法可以让你读入.mat文件。阅读它们绝对是一件容易的事。您可以在一行代码中完成它：
fromscipy.ioimportloadmat
annots=loadmat('cars_train_annos.mat')
格式化数据
通过loadmat方法加载数据后会返回一个Python字典的数据结构，我们可以查看数据关键字，代码如下：
annots.keys()
>dict_keys(['__header__','__version__','__globals__','annotations'])
下边是关于数据集描述的文档，从中我们可以查看关于数据及更详细的描述，也可以验证通过Python加载后数据是否正确。
Thisfilegivesdocumentationforthecars196dataset.
(http://ai.stanford.edu/~jkrause/cars/car_dataset.html)
————————————————————
Metadata/Annotations
————————————————————
Descriptionsofthefilesareasfollows:
-cars_meta.mat:
Containsacellarrayofclassnames,oneforeachclass.
-cars_train_annos.mat:
Containsthevariable‘annotations’,whichisastructarrayoflength
num_imagesandwhereeachelementhasthefields:
bbox_x1:Minx-valueoftheboundingbox,inpixels
bbox_x2:Maxx-valueoftheboundingbox,inpixels
bbox_y1:Miny-valueoftheboundingbox,inpixels
bbox_y2:Maxy-valueoftheboundingbox,inpixels
class:Integralidoftheclasstheimagebelongsto.
fname:Filenameoftheimagewithinthefolderofimages.
-cars_test_annos.mat:
Sameformatas‘cars_train_annos.mat’,excepttheclassisnotprovided.
————————————————————
Submissionfileformat
————————————————————
Filesforsubmissionshouldbe.txtfileswiththeclasspredictionfor
imageMonlineM.NotethatimageMcorrespondstotheMthannotationin
theprovidedannotationfile.Anexampleofafileinthisformatis
train_perfect_preds.txt
Includedinthedevkitareascriptforevaluatingtrainingaccuracy,
eval_train.m.Usageis:
(inMATLAB)
>>[accuracy,confusion_matrix]=eval_train(‘train_perfect_preds.txt’)
Ifyourtrainingpredictionsworkwiththisfunctionthenyourtesting
predictionsshouldbegoodtogofortheevaluationserver,assuming
thatthey’reinthesameformatasyourtrainingpredictions.
从文档中可以看到，annotations变量中包含我们想要的结构数据，包括标签、图像文件名以及图像边界框信息，因此我们只需处理annotations变量并从中提取我们想要的信息。
type(annots[‘annotations’]),annots[‘annotations’].shape
>(numpy.ndarray,(1,8144))
type(annots['annotations'][0][0]),annots['annotations'][0][0].shape
>(numpy.void,())
从.mat中提取的数据以numpy.ndarray格式存储，此数组中的项的数据类型是numpy.void。
annots[‘annotations’][0][0][‘bbox_x1’],annots[‘annotations’][0][0][‘fname’]
>(array([[39]],dtype=uint8),array(['00001.jpg'],dtype='
接下来我们通过循环将字典中的annotations变量信息提取出来，并将它们存储在列表中：
[item.flat[0]foriteminannots[‘annotations’][0][0]]
>[39,116,569,375,14,'00001.jpg']
将数据转换成Pandas Dataframe
现在我们用python加载好matlab数据文件，为方便后续的处理，我们将数据转换为pandas格式。转换过程十分简单，具体代码如下：
data=[[row.flat[0]forrowinline]forlineinannots[‘annotations’][0]]
columns=[‘bbox_x1’,‘bbox_y1’,‘bbox_x2’,‘bbox_y2’,‘class’,‘fname’]
df_train=pd.DataFrame(data,columns=columns)
转换后数据形式如下:
