多条eeg数据对比图绘制

news/2024/5/19 19:30:14 标签: eeg, python, 可视化
python">'''
画图,输入多条数据,进行可视化对比。建议10以内。
'''
import plotly.graph_objs as go
import numpy as np
from plotly.subplots import make_subplots
def plot_various_chns(data,names = []):
    '''
        画图,输入多条数据,进行可视化对比。建议10以内。
        @Input: 
            data: list,要画的数据
            name: 每条数据的名字
        @Output:
            null
    '''
    fig = go.Figure()
    fig = make_subplots(rows=len(data),cols=1,vertical_spacing=0.05,subplot_titles=names)

    for i in range(len(data)):
        a = range(data[i].shape[0])
        a = np.array(a)
        fig.append_trace(go.Scatter(
            x = a,        
            y = data[i],
            line =  dict(shape =  'spline' ),
            ),row=i+1,col=1)

    fig.update_layout(autosize=False,width=980,height=800)
    fig.show()

调用

python">
import numpy as np
from plot_eegs_chn import plot_various_chns
# 先读入数据
x1 = np.load('eeg文件')
l1 = np.load('label文件')


# 选出要被展示的数据,同sub,同label
s = []
num = 0  #  要多少条
for i in range(x1.shape[0]):   # 遍历挑label一样的数据
    if l1[i]==1:
        s.append(x1[i][:,3]) # 这里随便选了数据里的第三个通道
        num +=1
    if num >= 6:
        break

# 调用函数
plot_various_chns(s)


http://www.niftyadmin.cn/n/770325.html

相关文章

mne计算CSP

# get CSP feature from mne.decoding import CSP csp CSP(n_components10, regNone, logTrue, norm_traceTrue) csp_train csp.fit_transform(train_data, train_label) 其中 train_data 的格式为[trial,channel,time];train_label的为[trial,] 详情可以参考mne…

pip 配置下载源

pip官方镜像源 官方: https://pypi.python.org/simple 国内镜像源 清华:https://pypi.tuna.tsinghua.edu.cn/simple 阿里云:http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 华中理工大…

Nan 数据的检测与处理

print(is exist nan: , end) print(np.isnan(x).any())# 查找位置 nan_inx np.where(np.isnan(x)) print(nan_inx)# 替换 x[np.isnan(x)]0.00001print(is exist nan: , end) print(np.isnan(x).any())

EEG数据预处理的一些坑,模型loss=nan的原因与解决方法

在使用深度学习模型对数据进行分类时,出现lossnan的现象。 原因:数据中有接近0的坏数据或者Nan 例如: 解决方法:去掉就好 nan的检测与去除可以参考此处。

CSP学习资料与精简总结

其实是一种降维方法,将原始数据投影到CSP空间中,在该投影方向上,一类信号的方差被 极大化,一类极小化。 学习资料: 运动想象中共空间模式算法(CSP)的实现_zhoudapeng01的专栏-CSDN博客_csp算法…

论文笔记: Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization

Deep Learning With Convolutional Neural Networks for EEG Decoding and Visualization 概述 此笔记主要对模型部分进行描述。 因为CNN可以端到端地解决问题,因此考虑将其用到EEG的处理中,因为EEG信号与图片信号有所不同,因此直接使用原…

解密Docker容器网络

一个Linux容器能看见的“网络栈”,被隔离在它自己的Network Namespace中。 1 “网络栈”的内容 网卡(Network Interface)回环设备(Loopback Device)路由表(Routing Table)iptables规则 对于一…

论文笔记:EEGNet:A Compact Convolutional Network for EEG-based Brain-Computer Interfaces

EEGNet:A Compact Convolutional Network for EEG-based Brain-Computer Interfaces 与DEEPCNN、shallow CNN相似(笔记),只是结构上略有不同。整个网络由三个部分组成,分别对应FBCSP中的带通滤波、CSP、特征选择。