Python读取.edf格式脑电数据文件

方法原型：
mne.io.read_raw_edf(input_fname,
                    montage='deprecated', 
                    eog=None,
                    misc=None,
                    stim_channel='auto',
                    exclude=(), 
                    preload=False, 
                    verbose=None)

"""
input_fname:edf文件存放地址

montage='deprecated':已弃用

eog：通道名称或应指定为EOG通道的索引列表。值应对应于文件中的电极。默认为无。

misc：通道名称或应指定为MISC通道的索引列表。值应对应于文件中的电极。默认为无。

stim_channel：默认为"auto"，这意味着将名为“status”或“trigger”(不区分大小写)的通道设置为STIM。
如果为str（或str列表），则所有与名称匹配的通道均设置为STIM;
如果为int（或int列表），则将对应于索引的通道设置为STIM。

exclude:要排除的频道名称。这在读取具有不同采样率的数据时会有所帮助，以避免不必要的重采样。

preload:如果为True，则数据将被预加载到内存中(这样可以加快数据的索引)；
如果preload是字符串，则该字符串为数据存放在硬盘中的路径地址(速度较慢，需要较少的内存)。
"""

from mne.io import concatenate_raws, read_raw_edf
import matplotlib.pyplot as plt
import mne

raw=read_raw_edf("Affaf Ikram 20121020 1839.L1.edf",preload=False)

events_from_annot, event_dict = mne.events_from_annotations(raw)
print(event_dict)
print(events_from_annot)

custom_mapping = {'stm+':5, 'stm-': 6}
(events_from_annot,
 event_dict) = mne.events_from_annotations(raw, event_id=custom_mapping)
print(event_dict)
print(events_from_annot)

fig = mne.viz.plot_events(events_from_annot, sfreq=raw.info['sfreq'],
                          first_samp=raw.first_samp, event_id=event_dict)
fig.subplots_adjust(right=0.7)

epochs = mne.Epochs(raw, events=events_from_annot, 
                    event_id=event_dict)

epochs.plot_image()

"""
获取采样频率sfreq

知识点:

“采样频率，也称为采样速度或者采样率，定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。
采样频率的倒数是采样周期或者叫作采样时间，它是采样之间的时间间隔。
通俗的讲采样频率是指计算机每秒钟采集多少个信号样本。”

"""
sfreq=raw.info['sfreq']
"""
获取索引为m到n的样本，每个样本从第k次到第h次.
data,times=raw[m:n,k:h]

其中data为索引为m到n的样本，每个样本从第k次到第h次.
times是以第k次采样的时间作为开始时间，第h次采样时的时间为结束时间的时间数组。
"""
data,times=raw[:3,int(sfreq*1):int(sfreq*3)]
plt.plot(times,data.T)
plt.title("Sample channels")