mat数据格式是matlab的数据存储的标准格式。 可以在matlab中象M文件一样打开，数据进入workspace。

1、建立mat文件：(1)、打开matlab,点击左上角文件（File），然后点击新建（new），选择变量（Variable），就新建了一个mat文件。点击你新建的文件，即可打开一个编辑器，输入数据即可；(2)、用save直接对数据进行保存。
 
2、读取mat文件：load filename.mat

因为要做以图搜图的后台, 公司山大的实习生写了一个算法, 计算图片的hash值, 但是面太窄了, 自己重新改了一下,他用.mat 文件存储的数据, 但是没有解决覆盖的问题


解决思路：
    在网上找了一圈，好像没有找到解决覆盖的问题
    就是在每次存入数据之前，先把数据提取出来,吧数据和要保存数据整合一下，一起存入mat文件

如果有更好的方法和思路,请各位大佬不吝赐教



mat 文件

.mat文件现在不知道如何追加


.mat文件是以 字典存储的

from scipy.io import savemat, loadmat

savemat  和 loadmat是对.mat文件进行存和读的

savemat()
这是savemat源码
filename  是mat文件路径
mdict  是存储的数据

@docfiller
def savemat(file_name, mdict,
            appendmat=True,
            format='5',
            long_field_names=False,
            do_compression=False,
            oned_as='row'):
    """
    Save a dictionary of names and arrays into a MATLAB-style .mat file.

    This saves the array objects in the given dictionary to a MATLAB-
    style .mat file.

    Parameters
    ----------
    file_name : str or file-like object
        Name of the .mat file (.mat extension not needed if ``appendmat ==
        True``).
        Can also pass open file_like object.
    mdict : dict
        Dictionary from which to save matfile variables.
    appendmat : bool, optional
        True (the default) to append the .mat extension to the end of the
        given filename, if not already present.
    format : {'5', '4'}, string, optional
        '5' (the default) for MATLAB 5 and up (to 7.2),
        '4' for MATLAB 4 .mat files.
    long_field_names : bool, optional
        False (the default) - maximum field name length in a structure is
        31 characters which is the documented maximum length.
        True - maximum field name length in a structure is 63 characters
        which works for MATLAB 7.6+.
    do_compression : bool, optional
        Whether or not to compress matrices on write.  Default is False.
    oned_as : {'row', 'column'}, optional
        If 'column', write 1-D numpy arrays as column vectors.
        If 'row', write 1-D numpy arrays as row vectors.

    See also
    --------
    mio4.MatFile4Writer
    mio5.MatFile5Writer
    """
    file_is_string = isinstance(file_name, string_types)
    if file_is_string:
        if appendmat and file_name[-4:] != ".mat":
            file_name = file_name + ".mat"
        file_stream = open(file_name, 'wb')
    else:
        if not hasattr(file_name, 'write'):
            raise IOError('Writer needs file name or writeable '
                           'file-like object')
        file_stream = file_name
    if format == '4':
        if long_field_names:
            raise ValueError("Long field names are not available for version 4 files")
        MW = MatFile4Writer(file_stream, oned_as)
    elif format == '5':
        MW = MatFile5Writer(file_stream,
                            do_compression=do_compression,
                            unicode_strings=True,
                            long_field_names=long_field_names,
                            oned_as=oned_as)
    else:
        raise ValueError("Format should be '4' or '5'")
    MW.put_variables(mdict)
    if file_is_string:
        file_stream.close()

loadmat()
filename  mat文件路径


@docfiller
def loadmat(file_name, mdict=None, appendmat=True, **kwargs):
    """
    Load MATLAB file.

    Parameters
    ----------
    file_name : str
       Name of the mat file (do not need .mat extension if
       appendmat==True). Can also pass open file-like object.
    mdict : dict, optional
        Dictionary in which to insert matfile variables.
    appendmat : bool, optional
       True to append the .mat extension to the end of the given
       filename, if not already present.
    byte_order : str or None, optional
       None by default, implying byte order guessed from mat
       file. Otherwise can be one of ('native', '=', 'little', '<',
       'BIG', '>').
    mat_dtype : bool, optional
       If True, return arrays in same dtype as would be loaded into
       MATLAB (instead of the dtype with which they are saved).
    squeeze_me : bool, optional
       Whether to squeeze unit matrix dimensions or not.
    chars_as_strings : bool, optional
       Whether to convert char arrays to string arrays.
    matlab_compatible : bool, optional
       Returns matrices as would be loaded by MATLAB (implies
       squeeze_me=False, chars_as_strings=False, mat_dtype=True,
       struct_as_record=True).
    struct_as_record : bool, optional
       Whether to load MATLAB structs as numpy record arrays, or as
       old-style numpy arrays with dtype=object.  Setting this flag to
       False replicates the behavior of scipy version 0.7.x (returning
       numpy object arrays).  The default setting is True, because it
       allows easier round-trip load and save of MATLAB files.
    verify_compressed_data_integrity : bool, optional
        Whether the length of compressed sequences in the MATLAB file
        should be checked, to ensure that they are not longer than we expect.
        It is advisable to enable this (the default) because overlong
        compressed sequences in MATLAB files generally indicate that the
        files have experienced some sort of corruption.
    variable_names : None or sequence
        If None (the default) - read all variables in file. Otherwise
        `variable_names` should be a sequence of strings, giving names of the
        matlab variables to read from the file.  The reader will skip any
        variable with a name not in this sequence, possibly saving some read
        processing.

    Returns
    -------
    mat_dict : dict
       dictionary with variable names as keys, and loaded matrices as
       values.

    Notes
    -----
    v4 (Level 1.0), v6 and v7 to 7.2 matfiles are supported.

    You will need an HDF5 python library to read matlab 7.3 format mat
    files.  Because scipy does not supply one, we do not implement the
    HDF5 / 7.3 interface here.

    """
    variable_names = kwargs.pop('variable_names', None)
    MR = mat_reader_factory(file_name, appendmat, **kwargs)
    matfile_dict = MR.get_variables(variable_names)
    if mdict is not None:
        mdict.update(matfile_dict)
    else:
        mdict = matfile_dict
    if isinstance(file_name, string_types):
        MR.mat_stream.close()
    return mdict


好像是mat文件不能追加数据, 写入数据是覆盖的, 但是我要全局检索存入mat文件里面的数据，
就是每回在存入数据的时候，因为不能追加，所以先把mat文件里面的数据
读取出来, 我读取出来的数据是数组类型的， 因为存入的时候也是数组
类型,  在取出来的数组里面增添相应的数据就行了

数组增添的方式

import numpy as np
np.append(array1, array2, axis=0or1)
array1  是你要添加数据到的数组
array2  要添加数组的数据

axis   0 是行  1 是列































 

先给大家介绍下python读取并写入mat文件的方法
用matlab生成一个示例mat文件：
clear;clc
matrix1 = magic(5);
matrix2 = magic(6);
save matData.mat
用python3读取并写入mat文件：
import scipy.io
data = scipy.io.loadmat('matData.mat') # 读取mat文件
# print(data.keys())  # 查看mat文件中的所有变量
print(data['matrix1'])
print(data['matrix2'])
matrix1 = data['matrix1']
matrix2 = data['matrix2']
print(matrix1)
print(matrix2)
scipy.io.savemat('matData2.mat',{'matrix1':matrix1, 'matrix2':matrix2}) # 写入mat文件
ps：python读取matlab写的mat文件问题以及解决办法
最近项目中需要在python下读取mat文件，遇到以下问题：
1、当数据集大小大于2GB的时候，Python就不能正确读取mat文件了。同时matlab也不能保存相应的文件，只能以 -V7.3的形式保存。具体如下：
#利用h5py读取-v7.3的.mat文件：
import h5py
dict_data = h5py.File('***.mat')  #在Python中读取的.mat为字典格式
array_data = dict_data['array_name']
#其中的array_name为在保存为.mat之前的真正变量名，如 MATLAB命令：save ***.mat array_name -v7.3
2、当文件以h5py写入时，最终会出现python读取到的和matlab写入的数据维度不相同的问题。比如写入的是(1000,128,128,3)但是python读取到的维度就是(128,128,3,1000)。所以需要对python读取到的文件进行转置的处理。具体如下：
data_train = h5py.File('train_order6.mat','r')
input_train = data_train['z_wrap']
input_train = np.transpose(input_train,(0,2,1)) #The shape is changed to be consistent with tensoflow [25000,128,128]->[25000,128,128]
input_train = np.expand_dims(input_train,axis=3) #[25000,128,128]->[25000,128,128,1]
label_train = data_train['z_allRegion']
label_train = np.transpose(label_train,(0,3,2,1))#The shape is changed to be consistent with tensoflow [25000,11,128,128]->[25000,128,128,11]
一般都是第一维度和最后一个维度错误，所以都是(0，3，2，1)的形式，不过为了确保正确还是建议在读取的时候显示一下图片。
3、可以在用matlab存储时，提前permute一下，python正常读取，或者matlab正常存储，python读取后transpose一下。步骤2就是matlab正常存储，python读取后transpose.
总结
以上所述是小编给大家介绍的python读取并写入mat文件的方法 ,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

原博文
2015-12-21 17:54 −
一、mat文件        mat数据格式是Matlab的数据存储的标准格式。在Matlab中主要使用load()函数导入一个mat文件，使用save()函数保存一个mat文件。对于文件     load('data.mat')
save('d...
0
20003
相关推荐
2018-01-22 20:33 −
首先导入scipy的包 from scipy.io import loadmat  然后读取 m = loadmat("F:/__identity/activity/论文/data/D001.mat")  注意这里m是一个dict数据结构  >>&g...
2016-08-31 22:17 −
在科学计算的过程中，往往需要保存一些数据，也经常需要把保存的这些数据加载到程序中，在 Matlab 中我们可以用 save 和 lood 函数很方便的实现。类似的在 Python 中，我们可以用 numpy.save() 和 num...
2017-05-22 21:06 −
用matlab生成一个示例mat文件：  clear;clc matrix1 = magic(5); matrix2 = magic(6); save matData.mat  用python3读取并写入mat文件：  import scipy.io data = scipy.io.loadmat('...
2016-08-16 21:04 −
2015年 参加天池大数据竞赛      为了建立模型，打算基于matlab使用Random Forest Algorithm的工具包  该工具包我在此分享给大家，http://yunpan.cn/cVXsjQvh8ARcx  访问...
2016-08-24 12:12 −
使用python 的cPickle 库中的load函数，可以读取pkl文件的内容  import cPickle as pickle  fr = open('mnist.pkl')  #open的参数是pkl文件的路径 inf = pickle.load(fr)    #读取pkl文件的...
0
43748
2019-04-02 12:04 −
mat数据格式是Matlab的数据存储的标准格式 在python中可以使用scipy.io中的函数loadmat()读取mat文件。  import scipy.io as scio
path = 'ex3data1.mat' data = scio.loadmat(path)type...
0
13715
2019-06-26 16:34 −
1 import scipy.io # python 读取mat文件 2 data = scipy.io.loadmat('E-GSP27.mat') 3 print (data.keys()) # 查看data中的key 4 a = data['a'] 5 a = list(a) 6 b = da...
0
846
2019-06-25 19:57 −
参考文献：https://www.cnblogs.com/Yiutto/p/5827775.html 在科学计算的过程中，往往需要保存一些数据，也经常需要把保存的这些数据加载到程序中，在 Matlab 中我们可以用 save 和 lood 函...
2018-07-10 11:16 −
参考网站： https://blog.csdn.net/rumswell/article/details/8545087 数据： R 22*22 double 部分截图如下：    使用sicpy.io即可.sicpy.io提供了两个函数loadmat和savemat，此处使用loadmat...
2016-08-15 13:24 −
鉴于以后的目标主要是利用现有的Matlab数据（.mat或者.txt），主要考虑python导入Matlab数据的问题。以下代码可以解决python读取.mat文件的问题。主要使用sicpy.io即可。sicpy.io提供了两个函数loadmat和savemat，非常方便。 # adapted fro...