如何从 python 的文件夹中读取 multiple.mat 文件？

Question

我正在尝试读取 python 中的 multiple.mat 文件。每次都出现错误。 这是我的代码：

folder = "C:/Users/Sreeraj/Desktop/Me/PhD/Mahindra/brain_tumor_dataset/data/"
directs = sorted(listdir(folder))
labels = []
for file in directs:
    f = h5py.File(folder+file,'r')
    label = np.array(f.get("cjdata/label"))[0][0]
    labels.append(label)
labels = pd.Series(labels)
labels.shape

我得到的错误是：

---------------------------------------------------------------------------
OSError                                   Traceback (most recent call last)
<ipython-input-11-e7d73f54f73d> in <module>
      3 labels = []
      4 for file in directs:
----> 5     f = h5py.File(folder+file,'r')
      6     label = np.array(f.get("cjdata/label"))[0][0]
      7     labels.append(label)

~\miniconda3\envs\tensorflow\lib\site-packages\h5py\_hl\files.py in __init__(self, name, mode, driver, libver, userblock_size, swmr, rdcc_nslots, rdcc_nbytes, rdcc_w0, track_order, **kwds)
    404             with phil:
    405                 fapl = make_fapl(driver, libver, rdcc_nslots, rdcc_nbytes, rdcc_w0, **kwds)
--> 406                 fid = make_fid(name, mode, userblock_size,
    407                                fapl, fcpl=make_fcpl(track_order=track_order),
    408                                swmr=swmr)

~\miniconda3\envs\tensorflow\lib\site-packages\h5py\_hl\files.py in make_fid(name, mode, userblock_size, fapl, fcpl, swmr)
    171         if swmr and swmr_support:
    172             flags |= h5f.ACC_SWMR_READ
--> 173         fid = h5f.open(name, flags, fapl=fapl)
    174     elif mode == 'r+':
    175         fid = h5f.open(name, h5f.ACC_RDWR, fapl=fapl)

h5py\_objects.pyx in h5py._objects.with_phil.wrapper()

h5py\_objects.pyx in h5py._objects.with_phil.wrapper()

h5py\h5f.pyx in h5py.h5f.open()

OSError: Unable to open file (file signature not found)

我有 5849 个 mat 文件。 谁能告诉我哪里出错了？

我使用 h5py 来读取 mat 文件。 我想阅读每个 .mat 文件中的标签和图像。

Answer 1

我认为问题在于连接folder+file 。 关于那两件事：

1. word file是一个 python 关键字，所以你不应该将它用作变量名。
2. 假设您在这里使用了os.listdir （您没有附加导入本身），您的文件夹和文件的串联缺少斜杠。

对此的修复（在我将file重命名为filename之后）：

full_file_path = os.path.join(folder, filename)
f = h5py.File(full_file_path,'r')

Answer 2

我这里有 4 个可以改进代码的地方：

1. 我更喜欢glob.iglob()方法来获取文件列表。 它可以使用通配符来定义文件名，并且是一个生成器。 这样您就不必创建包含 5849 个 mat 文件名的列表。
2. 您使用h5py.File()打开文件，但不要关闭它。 这可能不会引起问题，但这是不好的做法。 最好使用 Python 的with/as:上下文管理器。 （如果您不这样做，请在循环内添加f.close() ）。
3. 您正在使用数据集.get()方法来检索数据集 object。该方法已被弃用很长一段时间了。 记录的做法是像这样引用数据集名称f["cjdata/label"]
4. 此外，您在数据集 object 之后添加了[0][0] 。您确定要这样做吗？ 它们是将访问 index= [0][0]处的数据集值的索引。 如果要创建数据集值的 numpy 数组，请使用 label = f["cjdata/label"][()]

修改后的代码演示了以下所有这些更改：

folder = "C:/Users/Sreeraj/Desktop/Me/PhD/Mahindra/brain_tumor_dataset/data/"
file_wc = folder + "*.mat"  # assumes filename extension is .mat
labels = []
for fname in glob.iglob(file_wc):
    with h5py.File(fname,'r') as f:
        # dataset .get() method deprecated, line below updated appropriately:
        label = np.array(f["cjdata/label"][0][0])
        #or maybe just:
        label = f["cjdata/label"][()]
        labels.append(label)
labels = pd.Series(labels)
labels.shape