dreamer数据集读取

### 如何在 Python 中读取 Dreamer 数据集并利用 Pandas 加载 为了处理像 Dreamer 这样的复杂结构化数据集，可以采用 `scipy` 来加载 `.mat` 文件中的 MATLAB 数据，并通过转换成适合的形式来使用 Pandas 处理。下面展示了具体实现方法： #### 使用 Scipy 和 Pandas 读取和预处理 Dreamer 数据集 ```python import scipy.io as sio import pandas as pd import numpy as np path = "E:/DREAMER.mat" raw_data = sio.loadmat(path) def extract_eeg_data(raw, participant_index=0, video_index=0, electrode_index=0): """ 提取出特定参与者、视频以及电极下的 EEG 基线与刺激反应信号. 参数: raw : dict 解析后的 .mat 文件内容 participant_index : int 参与者的索引位置 video_index : int 所观看视频片段的索引位置 electrode_index : int 被选中记录脑电信号的电极编号 返回值: tuple of ndarrays: (baselines, stimuli) """ baselines = raw['DREAMER'][0, 0]['Data'][0, participant_index]['EEG'][0, 0]['baseline'][0, 0][video_index, 0][:, electrode_index] stimuli = raw['DREAMER'][0, 0]['Data'][0, participant_index]['EEG'][0, 0]['stimuli'][0, 0][0, 0] return baselines, stimuli participant_idx = 0 video_idx = 0 electrode_idx = 0 base_signals, stimulus_responses = extract_eeg_data(raw_data, participant_idx, video_idx, electrode_idx) df_base = pd.DataFrame(base_signals, columns=['Baseline_Signal']) df_stimulus = pd.DataFrame(stimulus_responses, columns=[f'Stimulus_{i}' for i in range(stimulus_responses.shape[1])]) print(df_base.head()) print(df_stimulus.head()) # 将两个DataFrame保存为CSV文件以便后续分析 df_base.to_csv('baseline_signals.csv', index=False) df_stimulus.to_csv('stimulus_responses.csv', index=False)[^1] ``` 这段代码首先定义了一个函数用于从给定路径加载MATLAB格式的数据文件，并从中抽取指定参与者的基线（静息状态）和受试期间的大脑活动响应作为 NumPy 数组返回。接着创建了两个 Pandas 的 DataFrame 对象分别存储这些时间序列数据，并打印前几行查看结果是否正确无误。 最后一步则是将上述得到的时间序列数据导出至 CSV 文件方便进一步的研究工作。