Python中怎么利用Epochs实现数据可视化
这篇文章给大家介绍Python中怎么利用Epochs实现数据可视化，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。
mne.Epochs.plot()提供了一个交互式浏览器，当与关键字block = True结合使用时，允许手动拒绝。这将阻止脚本执行，直到关闭浏览器窗口。
# 加载工具包import os.path as opimport mneimport matplotlib.pyplot as plt
加载数据
"""加载数据，如果本地无该数据,则从网络中下载"""data_path = op.join(mne.datasets.sample.data_path(), 'MEG', 'sample')raw = mne.io.read_raw_fif( op.join(data_path, 'sample_audvis_filt-0-40_raw.fif'), preload=True)# 设置event IDevent_id = {'auditory/left': 1, 'auditory/right': 2, 'visual/left': 3, 'visual/right': 4, 'smiley': 5, 'button': 32}events = mne.find_events(raw)epochs = mne.Epochs(raw, events, event_id=event_id, tmin=-0.2, tmax=.5, preload=True)del raw# 绘制epochsepochs.plot(block=True)plt.show()
顶部的数字表示epoch的事件id。底部的数字是各个epoch的运行编号。
因为这里没有进行人为的伪影校正或剔除，所以有一些epoch数据被眨眼和扫视污染。例如，epoch 1似乎被眨眼污染了(滚动到底部查看EOG通道)。单击浏览器窗口的顶部可以将这个epoch标记为剔除。单击时，epoch应该变为红色。这意味着当浏览器窗口关闭时，它将被删除。
通过将events关键字传递给epochs绘图，可以在epoched数据上绘制事件标记。这些事件被绘制为竖线，它们遵循与mvc.viz.plot_events()相同的着色方案。由于颜色相同，事件绘图仪也可以作为epochs绘图仪事件的图例。也可以通过event_colors关键字传递自己的颜色。在这里，我们可以绘制看到笑脸和按下按钮之间的反应时间(事件32)。
在传递事件时，默认情况下，底部的epoch编号是关闭的，以避免重叠。你可以通过设置对话框通过按o键重新打开它。
# 绘制 eventsevents = mne.pick_events(events, include=[5, 32])mne.viz.plot_events(events)
# 绘制smiley的epochsepochs['smiley'].plot(events=events)plt.show()
为了一眼就可以看到所有的epoch，可以使用函数mne.epoch.plot_image()将各个通道绘制为图像。 它可以显示信号在所有时间点上的振幅，加上激活的平均(诱发响应)。
显式地将交互式colorbar设置为on(默认情况下也是on，以使用除topo绘图以外的colorbar来绘制函数)。在交互模式下，可以通过鼠标滚动和上下箭头键来缩放和改变颜色图。也可以用鼠标左右拖动颜色栏。按下空格键则会重置比例。
epochs.plot_image(278, cmap='interactive', sigma=1., vmin=-250, vmax=250)
319 matching events foundNo baseline correction appliedNot setting metadata0 projection items activated0 bad epochs dropped
这里还可以使用一些函数来绘制按通道排列成通道阵列形状的信息。
图像绘制时默认情况下使用自动缩放，但是有噪声的通道和不同的通道类型会导致缩放有点小。
epochs.plot_topo_image(vmin=-250, vmax=250, title='ERF images', sigma=2., fig_facecolor='w', font_color='k')
关于Python中怎么利用Epochs实现数据可视化就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
