欢迎关注我们，选择加"星标"或“置顶”

更多技术，第一时间送达

主要内容如下：

1. 安装Python(推荐安装Anaconda)

2. 安装MNE-python

3. 下载MNE-Python中案例数据

4. 测试是否安装成功以及简单使用

1.安装Python(推荐安装Anaconda)[这里是windows系统下的安装]

Anaconda用来管理不同版本的Python环境，可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包。同时Anaconda自带很多常用软件包以及科学计算包，比如数据分析中需要的Numpy、Pandas等，数据可视化用的matplotlib等，还有Jupyter notebook[Jupyter Notebook 是一个 Web 应用程序，支持实时代码、数学方程、可视化和 Markdown，其用途包括数据清理和转换、数值模拟、统计建模、机器学习等]。所以推荐安装Anaconda，因为它已经包含了Python以及常见要用的Python工具库。

先到官网下载：https://www.anaconda.com/distribution/

推荐安装Python3.x版本的Anaconda，因为Python2.x版本即将不被维护了，如下图。

也可以安装Python3.7以前版本的Anaconda

(即历史版本:https://repo.anaconda.com/archive/)

选择Anaconda3因为Anaconda3代表Python3.x。

具体安装的教程请看：https://blog.csdn.net/zyb228/article/details/103249706

安装好一定要记得配置环境

2. 安装MNE-python

在控制台中输入：

pip install -U mne

若是安装过程没出现错误，即表示安装成功，若安装出现问题，可截图在微信群或者QQ群进行提问。

3.下载MNE-Python中案例数据

据交流群中群友反应，官方MNE-Python数据下载特别慢，

这里提供了MNE-Python官方案例：MNE-sample-data下载。

下载地址：

1. 请关注 脑机接口社区 公众号

2. 后台回复"MNES"，获取官方 MNE-sample-data(1.3G)数据，如果失效了，可以在公众号后台联系。

4.测试是否安装成功以及简单使用

先点击如左图红框中，或者在控制台输入如下右图内容回车即可。

在浏览器中会弹出Jupyter notebook的web应用，操作如下：

即可生成一个可编辑页面,在编辑页面中编辑如下代码，并点击run,如下图，

如果能出现下面结果，则表示已安装成功。

注意,需要将上述下载得到的数据存放的路径赋值给fname。具体看下面代码，我是存放在F盘的data中。

# 引入python库import mnefrom mne.datasets import sampleimport matplotlib.pyplot as plt# sample的存放地址data_path = sample.data_path()# 该fif文件存放地址fname = 'F:/data/MNE-sample-data/MEG/sample/sample_audvis_raw.fif'"""如果上述给定的地址中存在该文件，则直接加载本地文件，如果不存在则在网上下载改数据"""raw = mne.io.read_raw_fif(fname)"""案例：获取10-20秒内的良好的MEG数据# 根据type来选择 那些良好的MEG信号(良好的MEG信号，通过设置exclude="bads") channel,结果为 channels所对应的的索引"""picks = mne.pick_types(raw.info, meg=True, exclude='bads')t_idx = raw.time_as_index([10., 20.])data, times = raw[picks, t_idx[0]:t_idx[1]]plt.plot(times,data.T)plt.title("Sample channels")plt.show()

"""绘制SSP矢量图"""raw.plot_projs_topomap()plt.show()

"""绘制电极位置"""raw.plot_sensors()plt.show()

脑机接口BCI学习交流群：QQ群：903290195

微信群请扫码添加，Rose拉你进群

(请务必填写备注，eg. 脑机接口或BCI)

长按加群

长按关注我们