Python-MNE全套教程-连续数据的处理03：给连续数据做注释

本教程展示了如何将连续数据绘制为时间序列，如何绘制连续数据的谱密度，以及如何绘制存储在raw对象中的传感器位置和projectors。

像往常一样，我们首先导入：

import os

import mne

sample_data_folder = mne.datasets.sample.data_path()
sample_data_raw_file = os.path.join(
    sample_data_folder, "MEG", "sample", "sample_audvis_raw.fif"
)
raw = mne.io.read_raw_fif(sample_data_raw_file)
raw.crop(tmax=60).load_data()

Opening raw data file /home/circleci/mne_data/MNE-sample-data/MEG/sample/sample_audvis_raw.fif…
Read a total of 3 projection items:
PCA-v1 (1 x 102) idle
PCA-v2 (1 x 102) idle
PCA-v3 (1 x 102) idle
Range : 25800 … 192599 = 42.956 … 320.670 secs
Ready.
Reading 0 … 36037 = 0.000 … 60.000 secs…

在前面的教程中，我们已经看到如何使用matplotlib从raw对象绘制数据，但raw对象也有几个内置的绘图方法:

plot
plot_sensors
plot_projs_topomap

这里详细讨论了第一个；最后两个在其他教程中简要展示并深入介绍。本教程还介绍了几种绘制raw数据频谱内容的方法。

使用`raw.plot()`进行交互式数据浏览

Raw对象的plot方法为探索连续数据提供了一个通用接口。对于交互式查看和数据质量检查，调用它时不需要额外的参数：

1	raw.plot()

它沿着y轴等距排列通道。默认显示20个通，你可以使用↑和↓箭头键滚动通道，或者点击绘图右侧的彩色滚动条。可见通道的数量可以通过n_channels参数调整，也可以使用page up和page down键交互式地改变。你可以通过按b切换到”butterfly”模式（将所有相同类型的通道叠加在一起），也可以通过传递参数butterfly=True来切换到butterfly模式。

它显示raw对象的前10秒。你可以使用home键和end键来缩短或延长窗口长度，也可以通过传入duration参数以特定的窗口时长开始。您可以使用←和→箭头键在时域中滚动，或者通过传递start参数从特定的点开始。使用shift→或shift←滚动一次整个窗口宽度。

它允许点击频道来标记/取消标记为“坏通道”。当绘图窗口关闭时，Raw对象的info属性将被更新，从info对象的bads字段Raw .info['bads']添加或删除新(未)标记的通道。

它允许对原始数据进行交互式注释。按“a”键可进入“注释模式”。上一章已经讲过。

在绘制数据之前，它会自动应用任何projectors。可以通过单击绘图窗口右下角的Proj按钮来交互式地启用/禁用它们，或者通过传递Proj =False参数来默认禁用它们。

绘制功率谱密度

为了可视化连续数据的频率内容，raw对象提供了compute_psd()方法来计算功率谱密度，得到的谱对象有plot()方法：

1 2	spectrum = raw.compute_psd() spectrum.plot(average=True, picks="data", exclude="bads", amplitude=False)

Effective window size : 3.410 (s)
Plotting power spectral density (dB=True).

如果数据已经被滤波，垂直的虚线将自动指示滤波器的边界。每种通道类型的频谱绘制在其自己的子图中。在这里，我们传递了average=True参数，以获得每种通道类型的汇总，但也可以单独绘制每个通道，并可以选择如何计算频谱，根据位置对通道进行颜色编码等。
例如，下面是一个只有几个传感器的绘图（用picks参数指定），按空间位置进行颜色编码：

1 2	midline = ["EEG 002", "EEG 012", "EEG 030", "EEG 048", "EEG 058", "EEG 060"] spectrum.plot(picks=midline, exclude="bads", amplitude=False)

midline = [“EEG 002”, “EEG 012”, “EEG 030”, “EEG 048”, “EEG 058”, “EEG 060”]
spectrum.plot(picks=midline, exclude=”bads”, amplitude=False)

使用频谱的plot_topomap()方法，也可以绘制跨传感器的频谱功率估计作为头皮地形。默认参数将绘制5个频带（δ， θ， α， β， γ），将根据磁强计通道计算功率（如果存在），并将在类似db的对数尺度上绘制功率估计：

1	spectrum.plot_topomap()

或者，你可以使用plot_topo将每个传感器的PSD绘制在自己的位置，这些位置在空间上与传感器在空间中的位置相对应：

这个plot也是交互式的。将鼠标悬停在每个“缩略图”上，将在绘图窗口的左下角显示通道名称，单击缩略图将创建第二幅图，显示所选通道的谱密度的大图，就好像调用plot时选择该通道。

默认情况下，plot_topo将只显示MEG通道，，如果只找到EEG通道，则将其绘制为：

1	spectrum.pick("eeg").plot_topo()

在添加Spectrum类之前，可以通过以下方式绘制上述图试试：

1
2
3

raw.plot_psd(average=True)
raw.plot_psd_topo()
raw.pick('eeg').plot_psd_topo()

Raw没有plot_topomap方法。raw对象的plot_psd()和plot_psd_topo()方法仍然可以用于支持遗留的分析脚本，但新代码应该使用Spectrum对象API。

从raw对象绘制传感器位置

raw对象中的通道位置可以使用plot_sensors方法轻松绘制。这里给出了一个简单的例子。请注意raw.info['bads']中的通道被绘制为红色。

1	raw.plot_sensors(ch_type="eeg")

从raw对象绘制projectors

如mne.io.read_raw_fif的输出所示。示例raw中包含了projectors投影仪（表示信号中的环境噪声，因此可以在预处理过程中“投影出来”）。可以使用plot_projs_topomap方法将这些投影仪可视化。默认情况下，它将为每个投影仪存在的通道类型显示一个图形，每个图形将有一个子图。该文件中的三个投影仪仅为磁强计计算，因此生成了一幅包含三个子图的图像。