说明
转到末尾下载完整示例代码。
原地修改数据#
MNE-Python 的许多数据对象（Raw、Epochs、Evoked 等）都带有原地修改数据的方法（有些是可选的，有些则是强制性的）。这在大数据集上工作时很有优势，因为它能减少执行计算所需的计算机内存。不过，如果你没有意识到这一点，也可能导致意外结果。本教程给出了几个原地处理的示例，并说明如何以及何时避免它。
和往常一样，我们先导入所需的模块并加载一些示例数据：
# Authors: The MNE-Python contributors.
# License: BSD-3-Clause
# Copyright the MNE-Python contributors.
import mne
sample_data_folder = mne.datasets.sample.data_path()
sample_data_raw_file = sample_data_folder / "MEG" / "sample" / "sample_audvis_raw.fif"
# the preload flag loads the data into memory now
raw = mne.io.read_raw_fif(sample_data_raw_file, preload=True)
raw.crop(tmax=10.0) # raw.crop() always happens in-place
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 ... 166799 = 0.000 ... 277.714 secs...
信号处理#
大多数 MNE-Python 数据对象都内置了滤波方法，包括高通、低通和带通滤波（filter）、带阻滤波（notch_filter）、Hilbert 变换（apply_hilbert），甚至任意或用户自定义函数（apply_function）。这些方法通常总是原地修改数据，因此如果我们想保留未处理的数据以便比较，就必须先复制一份。例如：
original_raw = raw.copy()
raw.apply_hilbert()
print(
f"original data type was {original_raw.get_data().dtype}, after "
f"apply_hilbert the data type changed to {raw.get_data().dtype}."
)
original data type was float64, after apply_hilbert the data type changed to complex128.
通道选择#
另一类会原地修改数据的方法是通道选择方法。例如：
print(f"original data had {original_raw.info['nchan']} channels.")
original_raw.pick("eeg") # selects only the EEG channels
print(f"after picking, it has {original_raw.info['nchan']} channels.")
original data had 376 channels.
after picking, it has 60 channels.
另请注意，当仅选择 EEG 通道时，只影响磁力计的投影器会被丢弃，因为此时已不再有磁力计通道。
copy 参数#
上面我们看到了使用 copy 方法来方便比较处理前后数据的示例。在使用某些 MNE-Python 函数时并不需要这样做，因为它们有一个函数参数，可以指定 copy=True（返回修改后的数据副本）或 copy=False（原地操作）。例如，mne.set_eeg_reference 就是这样一个函数；注意这里我们在重参考完成后绘制 original_raw，但 original_raw 并未受影响，因为我们指定了 copy=True：
rereferenced_raw, ref_data = mne.set_eeg_reference(original_raw, "EEG 003", copy=True)
fig_orig = original_raw.plot()
fig_reref = rereferenced_raw.plot()
EEG channel type selected for re-referencing
Applying a custom ('EEG',) reference.
Using qt as 2D backend.
另一个例子是选择函数 mne.pick_info，它操作的是 mne.Info 字典而不是数据对象。详情参见 Info 数据结构。
Summary#
一般来说，应当预期数据对象的方法会原地操作，而以数据对象作为参数的函数会操作数据的副本（除非该函数有 copy 参数且默认为 False，或者你指定了 copy=False）。在分析的探索阶段，你可能想尝试不同数据清洗方法的效果；如果希望避免每次更改计算时都要重新加载数据并重复前面的步骤，就应习惯 raw.copy().filter(...).plot() 或 raw.copy().apply_proj().compute_psd().plot() 这样的写法（关于方法链的更多信息，参见原地操作一节）。
脚本总运行时间：（0 分钟 2.256 秒）