features_struct = sio . loadmat ( './warpAR10P.mat' ) features = list ( features_struct . values ( ) ) features = np . hstack ( ( features [ 3 ] , features [ 4 ] ) ) # 保存为csv dfdata = pd . DataFrame ( data = features ) dfdata . to_csv ( './warpAR10P.csv' , index = False ) # 保存为npy np . save ( './warpAR10P' , features ) 可以使用 scipy 库中的 load mat 函数来读取 . mat 文件，然后使用 numpy 库中的 save 函数将数据保存为 . npy 文件。 示例代码如下： import scipy .io import numpy as np # 读取 . mat 文件 mat = scipy .io.load mat ('file. mat ') # 获取数据 data = mat ['data'] # 保存为... . mat 是 MAT LAB的二进制数据文件格式，而. npy 是 NumPy 的二进制数据文件格式。要将. mat 文件中的图像数据 转 换为. npy 格式，你需要使用 NumPy 库和 SciPy 库。 首先，你需要安装这两个库。你可以使用pip安装它们，命令如下： pipinstall numpy scipy import numpy as np res_data= np.load(file="E:/SAR/model/caosi_data_1DCNN_res. npy ") io.save mat ('E:/SAR/result/ mat /caosi_data_1DCNN_res. mat ', {'gene_features': res_data}) def npy _ mat ( npy _path, mat _path): npy name_path = os.listdir( npy _path) for npy name in npy name_path: python 可以保存两种文件, npy 和npz. npy 是单个变量, npz可以保存多个变量. 对于 mat lab来读取 npy 文件, 可以使用 npy - mat lab库. 但是不适用于npz文件, 所以如果想用 mat lab读npz, 首先要先把npz 转 成. mat 才可以. import scipy .io as io io.save mat ('test. mat ', mdict=np.load('test.npz')) 需求是提取 mat 文件里的信息并实时传到后台服务器，因为 mat lib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... img ＝ img.astype(np.float16)  图像 转 位深的一把好手！ 2.  .index()函数： a.index(b):  返回元素b在序列a中的索引号。   (其实是返回元素b在a中第一次出现的索引号，后面再出现的话捕获不到) 例： a ＝ ［1， 2，3， 4］ b ＝ a.index(3