因工作原因，一些获取的行业数据以已知的结构体存储在.mat文件中,

现需要将其存储在数据库中并且能够灵活调用至python dataframe里进行操作

原数据的一个例子如下

目标如上:

然后是转化代码:

import scipy.io
data = scipy.io.loadmat(r'C:\Users\wenzhe.tian\Desktop\PTSimA\Doing\MC.mat')
import pandas as pd

data.pop('__header__')
data.pop('__version__')
data.pop('__globals__')
vehicle_name=data.keys()
vehicle_name=list(vehicle_name)

for i in vehicle_name:
df = pd.DataFrame(data[i][0])
try:
df=df.astype(float)
except:
for j in list(df):
try:
df[j]=df[j].astype(float)
except:
continue

df[j]=df[j].astype(str)

if i==vehicle\_name\[0\]:  
    df1=df;  
else:  
    df1=pd.concat(\[df,df1\],axis=0)

df1['MC_name']=vehicle_name
df1['Tips']=df1['Tips'].map(str)+df1['tips'].map(str)
df1['Tips']=df1['Tips'].str.replace('nan','')
df1=df1.drop(['tips'],axis=1)
df1=df1.reset_index();

import numpy as np

ndarray需转化为 字符

list_transfer=['Speed','Torque','eff','eff_current']
for i in list_transfer:
for j in range(len(df1)):
try:
df1[i][j]=df1[i][j].tostring();
except:
continue;

结果如下(df1)：

然后用to_sql的方式将该dataframe 保存至本地sql数据库即可

一个难点是遇到struct结构体中包含mat的矩阵格式时，如下图:

所有参数为一个struct，但是data与acc作为结构体的一个单位，其数据是一个矩阵而非单个数值。因此需要继续处理：

data = scipy.io.loadmat(r'C:\Users\ext.wenzhe.tian\Desktop\PTSimA\Doing\CYCLE.mat',
mat_dtype=True,struct_as_record=True)#variable_names='CATC'
data.pop('__header__')
data.pop('__version__')
data.pop('__globals__')

name=data.keys()
name=list(name)
ans_name={}

for i in name:
df = pd.DataFrame(data[i][0])
try:
df=df.astype(float)
except:
for j in list(df):
try:
df[j]=df[j].astype(float)
df[j]=df[j].apply(lambda x:x[0][0])
except:
continue

if i==name\[0\]:  
    df1=df;  
else:  
    df1=pd.concat(\[df,df1\],axis=0)

ans\_name\[i\]=pd.DataFrame(columns=\['time\[s\]','veh\_spd\[km/h\]','acc\[m/s\]'\],  
        data={'time\[s\]':list(data\[i\]\[0,0\]\['data'\]\[:,0\]),  
              'veh\_spd\[km/h\]':list(data\[i\]\[0,0\]\['data'\]\[:,1\]),  
              'acc\[m/s\]':list(data\[i\]\[0,0\]\['acc'\]\[:,1\])})

ans_name即针对其中的矩阵单独定义一个dataframe，再从导入的data数据中提取写入。结果除以上的dataframe外，还有另一个dataframe: