Epochs对象是一种将连续数据表示为时间段集合的方法， 其存储在数组(n_events,n_channels,n_times)
其创建方式可以查看：MNE中数据结构Epoch及其创建方法
本例介绍Epoch对象的常见用法
a. 创建epoch对象
1）读取fif文件，创建raw对象
2）创建events对象
3）创建epoch对象
代码语言：javascript复制import mne
import os.path as op
import numpy as np
from matplotlib import pyplot as plt第一步：创建raw对象
代码语言：javascript复制data_path = mne.datasets.sample.data_path()
# 加载包含事件events的听觉数据集
raw = mne.io.read_raw_fif(
op.join(data_path, 'MEG', 'sample', 'sample_audvis_raw.fif'))第二步：创建events对象
代码语言：javascript复制# 构造事件数组
events = mne.find_events(raw, stim_channel='STI 014')
# 显示事件数
print('Number of events:', len(events))
# 显示所有唯一的事件编号(第3列)
print('Unique event codes:', np.unique(events[:, 2]))
"""
使用描述性标签指定感兴趣的事件代码。
给不同的events一个描述性名称。
"""
event_id = {'Auditory/Left': 1, 'Auditory/Right': 2}这里可以用上述提取的事件创建mne.Epochs对象，但该方式构造的epoch是无法使用，因为数据还未读入到内存中，可以通过get_data来获取也可以使用preload=True.
第三步：创建epoch对象
把原始数据(raw)切分成若干个epoch(时间片段)的集合，
以每个提前标准好的event为参照，取tmin到tmax这一段时间作为一个epoch来进行数据处理。
取每个event的前0.1秒和后1秒共1.1秒的时间长度作为一个epoch,为后续同类型的event的epochs叠加(average)分析做准备。
代码语言：javascript复制
epochs = mne.Epochs(raw, events, event_id, tmin=-0.1, tmax=1,
baseline=(None, 0), preload=True)
print(epochs)
b.查看epoch对象
epochs对象类似于mne.io.Raw对象，也具有info属性和event属性。
可以通过下面两种方式来查看epoch内的event相关信息
代码语言：javascript复制print(epochs.events[:3])
print(epochs.event_id)[[27977 0 2] [28771 0 1] [29652 0 2]] {'Auditory/Left': 1, 'Auditory/Right': 2}
也可以通过使用python的列表切片方式访问epoch对象内的events,
也可以通过events的描述性名称直接访问
代码语言：javascript复制print(epochs[1:5])
print(epochs['Auditory/Right'])
说明:'/'符号用来划分标签（tag），每个被'/'划分开的单词都可以作为检索的字符串，
也可以直接搜索epochs['Right']也能得到结果
代码语言：javascript复制print(epochs['Right'])
print(epochs['Right', 'Left'])
c.epoch平均叠加
通过调用mne.Epochs.average()方法可返回Evoked对象，average()方法可以通过参数指定需要的信道。
代码语言：javascript复制ev_left = epochs['Auditory/Left'].average()
ev_right = epochs['Auditory/Right'].average()
f, axs = plt.subplots(3, 2, figsize=(10, 5))
_ = f.suptitle('Left / Right auditory', fontsize=20)
_ = ev_left.plot(axes=axs[:, 0], show=False, time_unit='s')
_ = ev_right.plot(axes=axs[:, 1], show=False, time_unit='s')
plt.tight_layout()
左上角图，该图展示了原始数据中左听觉(事件标记'Auditory/Left')的epochs， 同时对所提取的所有的EEG通道进行平均值叠加处理。
在实际过程中也可以指定通道进行叠加(通过pick方法提取通道并进行average处理)
