神经数据分析和可视化的基本工具。
spykes的Python项目详细描述
#世爵
[！[许可证]（https://img.shields.io/badge/license-MIT-blue.svg?style=flat)](https://github.com/KordingLab/spykes/blob/master/LICENSE）[！[在https://gitter.im/KordingLab/spykes](https://badges.gitter.im/KordingLab/spykes.svg)](https://gitter.im/KordingLab/spykes?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge加入聊天室） [！[特拉维斯]（https://api.travis-ci.org/pavanramkumar/pyglmnet.svg?branch=master“特拉维斯”）]（https://travis-ci.org/KordingLab/spykes） [！[圆圈]（https://circleci.com/gh/KordingLab/spykes/tree/master.svg?style=shield&circle-token=:circle-token)](https://circleci.com/gh/KordingLab/spykes/tree/master.svg？style=盾牌和圆圈标记=：圆圈标记） [！[覆盖状态]（https://coveralls.io/repos/github/KordingLab/spykes/badge.svg?branch=master)](https://coveralls.io/github/KordingLab/spykes？分支=主）
啊！[间谍！]（images/spykes logo.png）
几乎所有神经兴奋数据的电生理研究都依赖于一系列的标准分析。光栅图和与刺激和行为一致的刺激周围时间直方图提供了神经活动的快照视觉描述。类似地，调谐曲线是表征神经元如何编码刺激或行为偏好的最标准方法。随着人口记录的日益普及，基于调谐模型的最大似然解码器正在成为该标准的一部分。
然而，实际上每个实验室都依赖一组内部分析脚本，从原始数据到摘要。我们希望改善这一现状，以便更容易共享，更好的再现性和更少的错误。
spykes是一个python工具的集合，它使神经数据的可视化和分析变得容易和可复制。
有关更多信息，请参见[文档]（http://kordinglab.com/spykes/getting-started.html）。
###安装
可以使用
` pip install spykes `
有关更详细的安装选项，请参见[文档]（http://kordinglab.com/spykes/getting-started.html#installing）。
###作者
- [pavan ramkumar]（http:/github.com/pavanramkumar）
- [雨果·费尔南德斯]（http:/github.com/hugoguh）
###致谢
- [konrad kording]（http://kordinglab.com）提供资金和支持
欢迎加入QQ群-->： 979659372
](https://github.com/KordingLab/spykes/blob/master/LICENSE){kind=link}
](https://gitter.im/KordingLab/spykes?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge](https://gitter.im/KordingLab/spykes](https://badges.gitter.im/KordingLab/spykes.svg)](https://gitter.im/KordingLab/spykes?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge){kind=link}
](https://circleci.com/gh/KordingLab/spykes/tree/master.svg){kind=link}
](https://coveralls.io/github/KordingLab/spykes){kind=link}