Question

我最近＆＃34;教过＆＃34;我自己用python来分析我的实验数据。因此，我在很多方面都很无能为力。我设法让我的分析工作某些文件，但在某些情况下，它会崩溃，我想这是编程错误的结果。

目前我导出的文件包含3个numpy数组。其中一个数组是我的信号（浮点值从-10到10）。我想要做的是将此数组中的每个数据规范化为其前面的一系列值。（即30001st值必须从它中减去前面3000个值的平均值，然后必须将该差除以这个相同的平均值（前面的3000个值）。我的数据以100Hz的速率收集，从而得到归一化我必须使用前面的3000个值。

就目前而言，这是我设法使其发挥作用的方式：

将信号存储到变量photosignal

中

photosignal = np.array(seg.analogsignals[0], ndmin=1)

现在我用这个部分来获得30秒移动窗口的delta F / F

normalizedphotosignal = [(uu-(np.mean(photosignal[uu-3000:uu])))/abs(np.mean(photosignal[uu-3000:uu])) for uu in photosignal[3000:]]

以下将3000个值添加到开头以保持数组的长度相同，因为稍后我必须将其锁定到另一个长度相同的列表

holder =list(range(3000))
normalizedphotosignal = holder + normalizedphotosignal

我注意到的是，在某些文件中，此代码会给我一个错误，因为它表示＆＃34; slice＆＃34;是空的，因此无法创造平均值。

我想也许有更好的方法来编程，可以完全避免这个问题。或者这是解决这个问题的正确方法吗？

所以我尝试了解决方案，但它很慢，但它仍然给了我＆＃34;空切片错误＆＃34;。我走过移动平均线，找到了这个方法：

def running_mean(x, N):
 cumsum = np.cumsum(np.insert(x, 0, 0))
 return (cumsum[N:] - cumsum[:-N]) / N

但是，我无法将其容纳到我想要的输出中。即（x-运行平均值）/运行平均值

Answer 1

你的方法朝着正确的方向发展。但是，您在列表理解中犯了一个错误：您使用uu作为索引，而uu是输入数据photosignal的元素。

你想要这样的东西：

normalizedphotosignal2 = np.zeros((photosignal.shape[0]-3000))
for i, uu in enumerate(photosignal[3000:]):
    normalizedphotosignal2 = (uu - (np.mean(photosignal[i-3000:i]))) / abs(np.mean(photosignal[i-3000:i]))

请记住，for循环在python中相对较慢。如果性能在这里是一个问题，你可以尝试避免使用for循环并使用numpy方法（例如，查看Moving average or running mean）。

希望这有帮助。

Answer 2

好吧，所以我终于想通了，感谢你的帮助和你推荐给我的帖子。

我的整个数据（300 000 +）的计算大约需要一秒钟！

我使用了以下代码：

def runningmean(x,N):
    cumsum =np.cumsum(np.insert(x,0,0))
    return (cumsum[N:] -cumsum[:-N])/N

photosignal = np.array(seg.analogsignal[0], ndmin =1) 

photosignalaverage = runningmean(photosignal, 3000) 
holder = np.zeros(2999)
photosignalaverage = np.append(holder,photosignalaverage)

detalfsignal = (photosignal-photosignalaverage)/abs(photosignalaverage)

Photosignal将我的原始信号存储在一个numpy数组中。 Photosignalaverage使用cumsum计算photosignal中每个数据点的运行平均值。然后我将前2999个值添加为0，以与我的photosignal相同的列表大小。

然后我使用基本的numpy计算来得到我的delta F / F信号。

再次感谢您的反馈，真的很有帮助！

如何用python计算Delta F / F？

2 个答案: