小编给大家分享一下Python如何读取mat文件并保存为pickle格式，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
Python的优点有哪些
1、简单易用，与C/C++、Java、C# 等传统语言相比，Python对代码格式的要求没有那么严格；2、Python属于开源的，所有人都可以看到源代码，并且可以被移植在许多平台上使用；3、Python面向对象，能够支持面向过程编程,也支持面向对象编程；4、Python是一种解释性语言，Python写的程序不需要编译成二进制代码，可以直接从源代码运行程序；5、Python功能强大，拥有的模块众多，基本能够实现所有的常见功能。
这两天在搞Theano，要把mat文件转成pickle格式载入Python。
Matlab是把一维数组当做n*1的矩阵的，但Numpy里还是有vector和matrix的区别，Theano也是对二者做了区分。
直接把代码贴出来吧，好像也没什么可讲的 = =
from scipy.io import loadmat
import numpy, cPickle
data_dict=loadmat(r'E:\dataset\CIFAR10\CIFAR10_small.mat') #need an r!
my_array=numpy.array([1,1])
for key in data_dict.keys():
if type(data_dict[key]) == type(my_array):
#print matrix information
print key, type(data_dict[key]),
print data_dict[key].shape
#shape(n,1) (matrix in theano) -> shape(n,) (vector in theano)
print data_dict['Ytr'].shape
Ytr=numpy.hstack(data_dict['Ytr'])
Yte=numpy.hstack(data_dict['Yte'])
Yte=numpy.hstack(data_dict['Yte'])
print Ytr.shape
train_set=(data_dict['Xtr'],Ytr)
valid_set =(data_dict['Xte'],Yte)
test_set =(data_dict['Xte'],Yte)
output = open('cifar10_small_v.pkl', 'wb')
cPickle.dump(train_set, output)
cPickle.dump(valid_set, output)
cPickle.dump(test_set, output)
output.close()
print 'save is done'
pkl_file = open('cifar10_small_v.pkl', 'rb')
data1 = cPickle.load(pkl_file) # is train_set
data2 = cPickle.load(pkl_file) # is valid_set
data3 = cPickle.load(pkl_file) # is test_set
print type(data1[1]),data1[1].shape
pkl_file.close()
以上是“Python如何读取mat文件并保存为pickle格式”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注本站行业资讯频道！
