Python &引用；“阵列的事件太多”；

我试图在代码中实现连接功能，但不确定如何修复此错误代码

freqs作为数组返回，除非我将其转换为np.array，否则不能在con_频带内工作。沿着这条路走有解决办法吗

这是我的代码，直到出现错误为止

import mne
import matplotlib.pyplot as plt
import numpy as np

from mne.time_frequency import psd_welch
from mne.connectivity import spectral_connectivity


from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, plot_confusion_matrix
from sklearn.metrics import confusion_matrix
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import FunctionTransformer
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import KFold, cross_val_predict

#Importing data
pre = mne.io.read_raw_eeglab('Subject31pre.set')
prop = mne.io.read_raw_eeglab('Subject33prop.set')

#Create events in regular intervals, used as markers to generate epochs
preEvents = mne.make_fixed_length_events(
    pre, id=1, start=0, stop=None, duration=1.0, first_samp=True, overlap=0.0)
propEvents = mne.make_fixed_length_events(
    prop, id=2, start=0, stop=None, duration=1.0, first_samp=True, overlap=0.0)

#Plotting of Power Spectral Density
pre.plot(duration=20, n_channels=64)
pre.plot_psd()
prop.plot(duration=20, n_channels=64)
prop.plot_psd()

#Epoch parameters
event_id = None
tmin = 0
tmax = 1
baseline = None
picks = None
reject = None

#Definition of epochs, for both pre and prop data
preEpochs = mne.Epochs(pre, preEvents, event_id, tmin, tmax, proj=True, baseline=baseline, picks=picks, reject=reject, preload=True)
print(preEpochs)
propEpochs = mne.Epochs(prop, propEvents, event_id, tmin, tmax, proj=True, baseline=baseline, picks=picks, reject=reject, preload=True)
print(propEpochs)

#Merge all epochs into one variable
epochsAll = mne.concatenate_epochs([preEpochs, propEpochs])
print(type(epochsAll))

def eeg_connectivity(epochs):
    FREQ_BANDS = {"delta": [0.5, 4.5],
              "theta": [4.5, 8.5],
              "alpha": [8.5, 11.5],
              "sigma": [11.5, 15.5],
              "beta": [15.5, 30]}
    print("inside: ",type(epochs))


    sfreq = epochs.info['sfreq']

    con, freqs, times, n_epochs, n_tapers = \
        spectral_connectivity(epochs, method='coh', mode='multitaper', sfreq=sfreq,
        fmin=0.5, fmax=30, faverage=True, n_jobs=1)

    freqsNd = np.array(freqs)

    X = []
    for fmin, fmax in FREQ_BANDS.values():
        con_band = con[:, :, (freqsNd >= fmin) & (freqsNd < fmax)].mean(axis=-1)
        X.append(con_band.reshape(len(con), -1))  # -1

    return np.concatenate(X, axis=-1)

导入mne
将matplotlib.pyplot作为plt导入
将numpy作为np导入
从mne.time\u frequency导入psd\u welch
从mne.connectivity导入频谱连接
从sklearn.employ导入随机林分类器
从sklearn.metrics导入准确度得分，绘制混乱矩阵
从sklearn.metrics导入混淆矩阵
从sklearn.pipeline导入make_pipeline
从sklearn.preprocessing导入FunctionTransformer
从sklearn.model_选择导入分层折叠
从sklearn.model_选择导入KFold、cross_val_predict
#导入数据
pre=mne.io.read\u raw\u eeglab（'Subject31pre.set'）
prop=mne.io.read\u raw\u eeglab（'Subject33prop.set'）
#定期创建事件，用作生成纪元的标记
preEvents=mne.make\u固定长度\u事件(
pre，id=1，start=0，stop=None，duration=1.0，first\u samp=True，overlap=0.0）
propEvents=mne.make\u固定长度\u事件(
prop，id=2，start=0，stop=None，duration=1.0，first\u samp=True，overlap=0.0）
#功率谱密度的绘制
预绘图（持续时间=20，n_通道=64）
预绘图(psd)
道具图（持续时间=20，n_通道=64）
项目图(psd)
#历元参数
事件id=无
tmin=0
tmax=1
基线=无
选择=无
拒绝=无
#前数据和道具数据的时代定义
preEpochs=mne.Epochs（pre，preEvents，event_id，tmin，tmax，proj=True，baseline=baseline，picks=picks，reject=reject，preload=True）
印刷品（预印刷品）
propEpochs=mne.Epochs（prop，propEvents，event_id，tmin，tmax，proj=True，baseline=baseline，picks=picks，reject=reject，preload=True）
印刷品（propEpochs）
#将所有纪元合并到一个变量中
epochall=mne.concatenate_epochs（[preEpochs，propEpochs]）
打印（类型（epochsAll））
def eeg_连接（历代）：
频带={“δ”：[0.5,4.5]，
“θ”：[4.5,8.5]，
“阿尔法”：[8.5,11.5]，
“西格玛”：[11.5,15.5]，
“beta”：[15.5,30]}
打印（“内：”，类型（年代））
sfreq=epochs.info['sfreq']
con、freqs、times、n_时代、n_锥度=\
频谱连接（EPOCH，方法='coh'，模式='multitaper'，sfreq=sfreq，
fmin=0.5，fmax=30，faverage=True，n_jobs=1）
freqsNd=np.数组（freqs）
X=[]
对于fmin，fmax在频带中。值（）
con_band=con[：，：，（freqsNd>=fmin）和（freqsNd

收到的错误如下：

File "", line 71, in eeg_connectivity
    con_band = con[:, :, (freqsNd >= fmin) & (freqsNd < fmax)].mean(axis=-1)
IndexError: too many indices for array: array is 3-dimensional, but 4 were indexed

eeg_连接中第71行的文件“” con_band=con[：，：，（freqsNd>=fmin）和（freqsNd我猜通过调用：

（freqsNd>=fmin）和（freqsNd

您将收到一个索引数组，而不是在调用中选择给定索引所需的原始整数。 您可以尝试：

selected = freqsNd[(fmin <= freqsNd) & (freqsNd< fmax)] 

如果没有，请检查

freknd

的

shape

：

freknd.shape

con_band = con[:, :, selected].mean(axis=-1)