如何使用python计算Delta F/F？

Question

为了分析实验数据，我最近自学了python。因此，我在很多方面都很无知。我已经设法使我的分析对某些文件有效，但在某些情况下，它崩溃了，我认为这是错误编程的结果。在

目前我导出一个包含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一个数据规范化为处理它的一系列值。（即，30001值必须减去前面3000个值的平均值，然后将差值除以相同的平均值（前面的3000个值）。我的数据是以100Hz的速率收集的，因此要获得alst 30的标准化，我必须使用前面的3000个值。在

就目前情况来看，我是如何做到这一点的：

这将信号存储到变量photosignal

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

这是我用来得到30秒移动窗口上的△F/F的部分

^{pr2}$

下面将3000个值添加到开头，以保持数组的长度不变，因为稍后我必须将其锁定到另一个长度相同的列表中

holder =list(range(3000))
normalizedphotosignal = holder + normalizedphotosignal

我注意到，在某些文件中，这段代码给了我一个错误，因为它说“切片”是空的，因此它不能创建一个平均值。在

我想也许有一个更好的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？在

所以我尝试了这个解决方案，但是速度很慢，但是它仍然给我“空切片错误”。 我查看了移动平均线，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，我很难适应我想要的输出。即（x-运行平均值）/运行平均值

Answer 1

你的方法是正确的。但是，您在理解列表时犯了一个错误：您使用uu作为索引，而{}是输入数据photosignal的元素。在

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，for循环在python中相对较慢。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，查看一下Moving average or running mean）。在

希望这有帮助。在