最近在学机器学习，在做数据预处理时遇到了一些问题，如在生成大矩阵的时matlab会出现报错 变量 ‘X_all’ 无法保存到 7.3 以前版本的 MAT 文件。 以及在生成v7.3版本的mat后无法再用scipy.io提供的函数loadmat读入，python会出现报错NotImplementedError: Please use HDF reader for matlab v7.3 files。以下给出了我的解决办法。
matlab保存大数据时
初始代码：
save(path,‘X_all’);
警告：变量 ‘X_all’ 无法保存到 7.3 以前版本的 MAT 文件。
这是matlab版本的问题（-v7.3版本能支持较大的文件），需要做如下修改：
save(path , ‘X_all’ ,’-v7.3’ ); %不加’-v7.3’无法保存数据
python读取v7.3版本的mat数据
初始代码：
import scipy.io as sio
fname_X= data_location+‘X_all.mat’
x = sio.loadmat(fname_X)[‘X’]
显示报错：NotImplementedError: Please use HDF reader for matlab v7.3 files
研究发现：在Python中读取MATLAB的.mat文件一般使用scipy，但是scipy不支持-v7.3版本的.mat文件（-v7.3版本能支持较大的文件）；因此使用h5py进行读取。
需要做如下修改：
import h5py
dict_data = h5py.File(X_all.mat) #dict_data文件里可能有多个cell,各对应着一个dataset
print(dict_data.keys()) # 可以用keys的方法查看cell的名字
# 输出：<KeysViewHDF5 ['X_all']>
print(dict_data.values()) #可以用values方法查看各个cell的信息
# 输出：ValuesViewHDF5(<HDF5 file "X_all.mat" (mode r+)>)
data = dict_data['X_all'] #选取一个cell
print(data.shape)#查看维度，是matlab写入数据的转置
# 输出：(522, 3145776)
## 需要转置回来
data_t = np.transpose(data) #data_t是numpy.ndarray
# 再将其存为npy格式文件
np.save('X_all.npy', data_t)之后读取就很方便了：
matrix = np.load(X_all.npy')