一、简单的情形示例

要读取如图所示的mat文件中的数据

用scipy.sio.loadmat读取后得到的是：
def load_params(path,key_name):
    data = sio.loadmat(path)
    data = data[key_name]
    return data
mat_test=load_params(test_path, 'Test')
print(mat_test)
[[(array([[12]], dtype=uint8), array(['abcde'], dtype='<U5'), 
array([[4096]], dtype=uint16), array(['C:/path'], dtype='<U7'),
array(['abcdefg'], dtype='<U7'), array([[1], [2], [3]], dtype=uint8))]]
查看维度和类型 
print(mat_test.shape)  # (1, 1)
print(type(mat_test))  # <class 'numpy.ndarray'>
mat_data=mat_test[0][0]
print(type(mat_data))  # <class 'numpy.void'>
print(mat_data.shape)  # ()   这里得到了shape: ()
print(len(mat_data))   # 6   长度为6
为读取里面的数据 
for item in mat_data:
	 print(item)
for i in range(len(mat_data)):
    print(mat_data[i])
得到结构体中的值 
[[12]]
['abcde']
[[4096]]
['C:/path']
['abcdefg']
但如果已经知道结构体中的字段名，那么可以直接指定字段名，类似于字典的读取方式获取字段的值，如要获取字段 p 的值那么可以直接采用 
mat_test=load_params(test_path, 'Test')  # 加载 mat 文件中的结构体 
mat_data=mat_test[0][0]['p']    # 获取结构体数据中的字段 p 对应的值 
print(mat_data)  # 值为12 
二、代码汇总
 
# 导入库和加载mat路径的部分在此省略
def load_params(path,key_name):
    data = sio.loadmat(path)
    data = data[key_name]
    return data
mat_test=load_params(test_path, 'Test')
print(mat_test)
print(mat_test.shape)
print(type(mat_test))
mat_data=mat_test[0][0]
print(mat_data)
print(type(mat_data))
print('the shape of the data', mat_data.shape)
print('the len of data ', len(mat_data))
print('--'*20)
for item in mat_data:
    print(item)
print('==='*20)
for i in range(len(mat_data)):
    print(mat_data[i])
mat_test=load_params(test_path, 'Test')  # 加载 mat 文件中的结构体 
mat_data=mat_test[0][0]['p']    # 获取结构体数据中的字段 p 对应的值 
print(mat_data)  # 值为12 
三、对于结构体嵌套的情况
 
如果matlab 的结构体中存在有嵌套，要获得嵌套的数据可以类似这样操作
 比如，有这么一个mat1.mat文件，里面有结构体变量’A’，为获取该结构体变量 
data_A=load(mat1.mat,'A')
如果结构体A有字段 a1,a2,a3,想要直接获取a3,那么可以有 
data_a3=data_A[0][0]['a3']
如果a3字段本身也是结构体，a3结构体中有b1,b2,b3,字段，那么为了获取b3字段的内容，可以采用 
data_b3=data_A[0][0]['a3'][0][0]['b3']
# 或者说是 data_b3=data_a3[0][0]['b3']
再多一层的嵌套，数据提取方法也是类似的。 
----------------------- The END ----------------------------------------
                    从numpy.void中提取数据目录从numpy.void中提取数据前言一、示例二、代码汇总前言用python通过scipy 库读取mat文件，如果读取的是结构体，那么就会得到numpy.void 类型的数据。一、示例要读取如图所示的mat文件中的数据用scipy.sio.loadmat读取后得到的是：def load_params(path,key_name):    data = sio.loadmat(path)    data = data[key_name]    re
				今天需要读取一个.mat文件中的结构体数据，看了各种博客，竟然没有对这方面的描述。都是读取简单的数据形式，没有涉及如何读取结构体里的矩阵。最后还是在一篇对scipy的英文介绍里找到了自己想要的。记录一下，万一有人和我有一样的需求。（看到了一个和我问题一样的帖子，100多天前到现在还没人回复）
结构体形式如下：
我需要的是SYSLoad里的数据，按照网上大部分的读取方式，
X = loa...
				想对文件中所有图片按顺序（1.png;2.png;…1001.png;…1010.png.）读取后叠加，无奈你会发现在用dir读取的files.name的特性中，排序放式并不是你想要的1，2…，100,这种方式，而是1，1001，1010，…，2，…这种方式。只能先对dir读取的files进行处理，因为files是结构体，所以涉及到针对结构体中的一个成员排序。如果图片名字是1.png;2.png;…1001.png;…1010.png，还好做直接一顿操作猛如虎，但我图片名字是c1.png;c2.png;…c1001.png;…c1010.png,没办法┐(ﾟ～ﾟ)┌，只能一步一步来。
				近期做做一个数据分析的文章，需要使用经典的近红外光谱数据集 corn NIR(网址：http://eigenvector.com/)， 但是下载的数据是包含在一个数据集中，无法直接使用，需要进行数据读取，此时有以下学习收获：
   1.在读取包含在结构体中的近红外光谱数据之前，需要知道所需数据在结构体内的名称，使用 fieldnames() 函数查看具体名称，以上述数据...
dataFile = r'D:\我的文件\我的数据\nclcolormap.mat'
data = scio.loadmat(dataFile)
colormap_all = data['nclcolormap']
# print(type(colormap_all))
BlAqGrYeOrRe = colormap_all['BlAqGrYeOrRe'.
				RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling ‘cublasCreate(handle)【pytorch err】
            RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling ‘cublasCreate(handle)【pytorch err】
            pytorch 实现多维FFT