如何使用python计算Delta F/F？

我最近自学了python，以便为我的实验分析数据。因此，我在很多方面都很无知。我已经设法使我的分析工作，为某些文件，但在某些情况下，它崩溃了，我想这是一个错误的编程结果

目前我导出了一个包含3个numpy数组的文件。其中一个数组是我的信号（浮点值从-10到10）。我想做的是将这个数组中的每个数据规范化为一系列值，这些值位于它之前。（即，30001值必须减去之前3000个值的平均值，然后差值必须除以相同的平均值（之前3000个值）。我的数据以100Hz的速率收集，因此为了获得alst 30s的标准化，我必须使用之前3000个值

就目前情况而言，这就是我如何使其工作的：

这将信号存储到变量photosignal中

现在这是我用来在30秒的移动窗口上得到delta F/F的部分

下面在开始处添加3000个值以保持数组的长度不变，因为稍后我必须将其时间锁定到另一个相同长度的列表中

我注意到，在某些文件中，这段代码给了我一个错误，因为它表示“切片”为空，因此无法创建平均值

我想也许有一种更好的编程方法可以完全避免这个问题，或者这是解决这个问题的正确方法

所以我尝试了这个解决方案，但是速度很慢，而且仍然会给我“空片错误”。 我浏览了移动平均线的帖子，发现了这个方法：

def running_mean(x, N):
 cumsum = np.cumsum(np.insert(x, 0, 0))
 return (cumsum[N:] - cumsum[:-N]) / N 

---

然而，我很难将它调整到我想要的输出，即（x-运行平均值）/运行平均值

您的方法是正确的。但是，您在理解列表时犯了一个错误：您使用

uu

作为索引，而

uu

是输入数据的元素

photosignal

你想要这样的东西：

normalizedphotosignal2 = np.zeros((photosignal.shape[0]-3000))
for i, uu in enumerate(photosignal[3000:]):
    normalizedphotosignal2 = (uu - (np.mean(photosignal[i-3000:i]))) / abs(np.mean(photosignal[i-3000:i]))

请记住，python中for循环的速度相对较慢。如果性能是一个问题，您可以尝试避免for循环，而使用numpy方法（例如，查看）

---

希望这能有所帮助。

好吧，多亏了你的帮助和你推荐给我的帖子，我终于找到了答案

我的整个数据（300000+）的计算大约需要一秒钟

我使用了以下代码：

def runningmean(x,N):
    cumsum =np.cumsum(np.insert(x,0,0))
    return (cumsum[N:] -cumsum[:-N])/N

photosignal = np.array(seg.analogsignal[0], ndmin =1) 

photosignalaverage = runningmean(photosignal, 3000) 
holder = np.zeros(2999)
photosignalaverage = np.append(holder,photosignalaverage)

detalfsignal = (photosignal-photosignalaverage)/abs(photosignalaverage)

Photosignal将我的原始信号存储在一个numpy数组中。 Photosignalaverage使用cumsum计算photosignal中每个数据点的运行平均值。然后我将前2999个值添加为0，以保持与我的photosignal相同的列表大小

然后，我使用基本的numpy计算得到delta F/F信号

---

再次感谢您的反馈，真的很有帮助！

谢谢，很多人都会尝试使用您提到的移动平均法！您在哪里使用

i

？您的意思是使用

i-3000:i

？@DavidCullen:您是对的..我忘了修复我打算修复的错误。。。

def running_mean(x, N):
 cumsum = np.cumsum(np.insert(x, 0, 0))
 return (cumsum[N:] - cumsum[:-N]) / N 

normalizedphotosignal2 = np.zeros((photosignal.shape[0]-3000))
for i, uu in enumerate(photosignal[3000:]):
    normalizedphotosignal2 = (uu - (np.mean(photosignal[i-3000:i]))) / abs(np.mean(photosignal[i-3000:i]))

def runningmean(x,N):
    cumsum =np.cumsum(np.insert(x,0,0))
    return (cumsum[N:] -cumsum[:-N])/N

photosignal = np.array(seg.analogsignal[0], ndmin =1) 

photosignalaverage = runningmean(photosignal, 3000) 
holder = np.zeros(2999)
photosignalaverage = np.append(holder,photosignalaverage)

detalfsignal = (photosignal-photosignalaverage)/abs(photosignalaverage)