def test_system():
'''Print simple system info and some other junk, just to see if
system has been set up and homeworks are from different machines.'''
try:
import mne
except ImportError:
raise ImportError('Nie masz biblioteki `mne`!')
mne.sys_info()
modules = ['seaborn', 'borsar', 'sarna']
longest_str = max(map(len, modules)) + 8
txt = '\n{} {}\n{}\n'.format(platform.system(), platform.machine(),
platform.processor())
# check module presence and versions
for module in modules:
txt += '\n{}: '.format(module)
try:
mdl = importlib.import_module(module)
base_txt = '{:>%d}' % (longest_str - len(module))
txt += base_txt.format(mdl.__version__)
except ImportError:
txt += 'BRAK :('
if module in ('borsar', 'sarna'):
txt += "; instalacja z git'a" if is_git_installed(mdl) \
else "; zwykła instalacja"
# print some random junk
values = np.random.randint(0, 1001, (2, 3))
txt += '\n\nTwoje szczęśliwe liczby to:\n{}'.format(values)
print(txt)
def write_log_header(log_savepath, width=80, sep="=", alt_sep="-"):
with open(log_savepath, "a") as log_file:
log_file.write(sep * width + "\n")
log_file.write(str(datetime.now()).center(width, sep) + "\n")
log_file.write(sep * width + "\n")
sys_info(fid=log_file)
log_file.write("mne-bids:".ljust(15) + mne_bids_version + "\n")
log_file.write(alt_sep * width + "\n")
def run():
"""Run command."""
parser = mne.commands.utils.get_optparser(__file__, usage='mne sys_info')
options, args = parser.parse_args()
if len(args) != 0:
parser.print_help()
sys.exit(1)
mne.sys_info()
def run():
"""Run command."""
parser = mne.commands.utils.get_optparser(__file__, usage='mne sys_info')
parser.add_option('-p',
'--show-paths',
dest='show_paths',
help='Show module paths',
action='store_true')
parser.add_option('-d',
'--developer',
dest='developer',
help='Show additional developer module information',
action='store_true')
options, args = parser.parse_args()
dependencies = 'developer' if options.developer else 'user'
if len(args) != 0:
parser.print_help()
sys.exit(1)
mne.sys_info(show_paths=options.show_paths, dependencies=dependencies)
# %%
import os
import numpy as np
import mne
#from properties import filename
import matplotlib.pyplot as plt # Este codigo es un plot basico para ver la señal, los datos concretos.
from matplotlib.transforms import Bbox
from scipy import signal
import matplotlib.pyplot as plt
mne.sys_info() #chequear sistema
# Acá leemos un archivo particular
mne.set_log_level("WARNING")
raw = mne.io.read_raw_brainvision(
'C:/Users/Nicola/Documents/eeg/VISBRAIN/ExpS35.vhdr',
preload=True,
eog=('EOG1_1', 'EOG2_1'),
misc=('EMG1_1', 'EMG2_1'),
verbose=True)
raw.rename_channels(lambda s: s.strip("."))
# -----------------------------------------------------------------
data = raw.get_data() # data(chan,samp), times(1xsamples)
info = raw.info #info
sfreq = info.get('sfreq') #frecuencia de muestreo
#Con este código extraigo los datos que necesito y me rearmo la estructura que necesito para poder analizarlo mejor
data = raw.get_data() # Saco los datos concretos, una matriz de numpy
new_data = data.copy()
canal_eogs = data[6, :] - data[
pkg_resources.working_set.require(dependencies)
# Check that the data is present on the system
if not os.path.exists(fname.data_dir):
raise ValueError('The `data_dir` points to non-existent directory: ' +
fname.data_dir)
# Make sure the output directories exist
os.makedirs(fname.derivatives_dir, exist_ok=True)
# directories for reports
os.makedirs(fname.reports_dir, exist_ok=True)
# directories for results
os.makedirs(fname.results, exist_ok=True)
os.makedirs(fname.figures, exist_ok=True)
os.makedirs(fname.rt, exist_ok=True)
# prints some information about the system
mne.sys_info()
with open(fname.system_check, 'w') as f:
f.write('System check OK.')
# creates .json with results of sourcedata/ validation
data_val = validate_sourcedata(path=parent_dir, source_type=['eeg'])
with open('validator.json', 'w') as outfile:
json.dump(data_val, outfile, indent=4)
print("\nAll seems to be in order."
"\nYou can now run the entire pipeline with: python -m doit")
def Supera75():
# versión de MNE, chequear que estamos usando mne3
mne.sys_info()
# Acá leemos un archivo particular
mne.set_log_level("WARNING")
raw = mne.io.read_raw_brainvision(
'C:\\Users\\julia\\Desktop\\Tesis\\Registros\\RCnew\\ExpS11.vhdr',
preload=True,
eog=('EOG1_1', 'EOG2_1'),
misc=('EMG1_1', 'EMG2_1'),
verbose=True)
raw.rename_channels(lambda s: s.strip("."))
data = raw.get_data() # Saco los datos concretos, una matriz de numpy
time_shape = data.shape[1]
print(time_shape)
# -----------------------------------------------------------------
# data(chan,samp), times(1xsamples)
# (1) Aca voy a ver los datos en crudo, ploteandolos por afuera de MNE. Fijense que los datos estan en Volts lo paso a microvolts.
channel = 0
eeg = raw[channel][0][0][0:250 * 4] * pow(10, 6) # Tomo 4 segundos.
#print(eeg)
eeg2 = raw[channel][0][0][0:250 * 1] * pow(
10, 6) #tomo las señales del eeg en el 1 segundo
eeg3 = raw[channel][0][0][250:500 * 1] * pow(
10, 6) #tomo las señales del eeg en el 2 segundo
print(eeg2)
dat = np.concatenate((np.zeros((1, data.shape[1])), data), axis=0)
#print(dat)
arraysenial = []
arraysenial = np.asarray(arraysenial)
i = 0
j = 1
while i <= time_shape:
eeg4 = raw[channel][0][0][i:200 * j * 1] * pow(
10, 6) #tomo los valores del eeg cada 1 segundo
#print(eeg4)
eeg2 = raw[channel][0][0][i:100 * j] * pow(
10, 6) #tomo las señales del eeg en el 0.5 segundos
signal = eeg4 - np.mean(
eeg4
) # le resto la media de la señal a mi señal y la cenrtro en cero
signal = signal + np.min(
signal) * -1 # le sumo a la señal el minimo en positivo
newsignal = signal
newsignal[signal > 75] = 100
newsignal[signal <= 75] = 0
newsignal = list(newsignal)
arraysenial = np.concatenate((arraysenial, newsignal), axis=0)
i += 200 # @FIXME: Ver que pasa con el tema de ventanas solapadas (poner la mitad)
j += 1
print(arraysenial.shape)
return arraysenial
