<div dir="ltr"><div class="markdown-here-wrapper" style=""><p style="margin:0px 0px 1.2em!important">Hi,</p>
<p style="margin:0px 0px 1.2em!important">you can get directly to the evoked data by accessing the <code style="font-size:0.85em;font-family:Consolas,Inconsolata,Courier,monospace;margin:0px 0.15em;padding:0px 0.3em;white-space:pre-wrap;border:1px solid rgb(234,234,234);background-color:rgb(248,248,248);border-radius:3px;display:inline">.data</code> field:</p>
<pre style="font-size:0.85em;font-family:Consolas,Inconsolata,Courier,monospace;font-size:1em;line-height:1.2em;margin:1.2em 0px"><code class="hljs language-python" style="font-size:0.85em;font-family:Consolas,Inconsolata,Courier,monospace;margin:0px 0.15em;padding:0px 0.3em;white-space:pre-wrap;border:1px solid rgb(234,234,234);background-color:rgb(248,248,248);border-radius:3px;display:inline;white-space:pre;overflow:auto;border-radius:3px;border:1px solid rgb(204,204,204);padding:0.5em 0.7em;display:block!important;display:block;overflow-x:auto;padding:0.5em;color:rgb(51,51,51);background:rgb(248,248,248)">evoked_deviant.data
</code></pre>
<p style="margin:0px 0px 1.2em!important">it is a <code style="font-size:0.85em;font-family:Consolas,Inconsolata,Courier,monospace;margin:0px 0.15em;padding:0px 0.3em;white-space:pre-wrap;border:1px solid rgb(234,234,234);background-color:rgb(248,248,248);border-radius:3px;display:inline">channels x timesamples</code> numpy array, so to average over all channels you would do:</p>
<pre style="font-size:0.85em;font-family:Consolas,Inconsolata,Courier,monospace;font-size:1em;line-height:1.2em;margin:1.2em 0px"><code class="hljs language-python" style="font-size:0.85em;font-family:Consolas,Inconsolata,Courier,monospace;margin:0px 0.15em;padding:0px 0.3em;white-space:pre-wrap;border:1px solid rgb(234,234,234);background-color:rgb(248,248,248);border-radius:3px;display:inline;white-space:pre;overflow:auto;border-radius:3px;border:1px solid rgb(204,204,204);padding:0.5em 0.7em;display:block!important;display:block;overflow-x:auto;padding:0.5em;color:rgb(51,51,51);background:rgb(248,248,248)">evkd_deviant_chan_avg = evoked_deviant.data.mean(axis=<span class="hljs-number" style="color:rgb(0,128,128)">0</span>)
</code></pre>
<div title="MDH:SGksPGRpdj48YnI+PC9kaXY+PGRpdj55b3UgY2FuIGdldCBkaXJlY3RseSB0byB0aGUgZXZva2Vk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" style="height:0;width:0;max-height:0;max-width:0;overflow:hidden;font-size:0em;padding:0;margin:0">​</div></div></div><div class="gmail_extra"><br><div class="gmail_quote">2016-12-07 17:09 GMT+01:00 Stephen Johnston <span dir="ltr">&lt;<a href="mailto:sjayejohnston@gmail.com" target="_blank">sjayejohnston@gmail.com</a>&gt;</span>:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr">Hi All<div><br></div><div>I&#39;m new at using MNE. Like it so far, but struggling a little getting access/manipulating EEG channel data.  </div><div><br></div><div>So far I have managed to get through pre-processing and have managed to extract my channels of interest, in this case &#39;Oz&#39;, &#39;O1&#39;, &#39;O2&#39; and &#39;Pz&#39; and calculated my evoked potentials for my events of interest, an example of how I&#39;m doing that, for one event type follows...</div><div><br></div><div><div>picks = [raw.ch_names.index(ch) for ch in [&#39;OZ&#39;, &#39;O1&#39;, &#39;O2&#39;,&#39;PZ&#39;]]</div><div><br></div><div>reject = dict(eeg=50e-6)</div><div>event_id, tmin, tmax = {&#39;deviant5&#39;: 5}, -0.2, 0.5</div><div>epochs_params = dict(events=events, picks=picks, event_id=event_id, tmin=tmin, tmax=tmax,</div><div>                     reject=None)</div><div><br></div><div>evoked_deviant = mne.Epochs(raw, **epochs_params).average()</div></div><div><br></div><div>The issue is (I&#39;m calculating an MMN difference wave) - I want to average over the Occipital channels, to essentially make one &#39;new&#39; channel, and I can&#39;t find the command/data to be able to do that.</div><div><br></div><div>I&#39;m sure it&#39;s simple, but I&#39;ve been bashing my head a bit trying to figure it out.</div><div><br></div><div>Any help much appreciated.</div><div><br></div><div>Best</div><div><br></div><div>Steve</div><div><br></div><div><br></div></div>
<br>______________________________<wbr>_________________<br>
Mne_analysis mailing list<br>
<a href="mailto:Mne_analysis@nmr.mgh.harvard.edu">Mne_analysis@nmr.mgh.harvard.<wbr>edu</a><br>
<a href="https://mail.nmr.mgh.harvard.edu/mailman/listinfo/mne_analysis" rel="noreferrer" target="_blank">https://mail.nmr.mgh.harvard.<wbr>edu/mailman/listinfo/mne_<wbr>analysis</a><br>
<br>
<br>
The information in this e-mail is intended only for the person to whom it is<br>
addressed. If you believe this e-mail was sent to you in error and the e-mail<br>
contains patient information, please contact the Partners Compliance HelpLine at<br>
<a href="http://www.partners.org/complianceline" rel="noreferrer" target="_blank">http://www.partners.org/<wbr>complianceline</a> . If the e-mail was sent to you in error<br>
but does not contain patient information, please contact the sender and properly<br>
dispose of the e-mail.<br>
<br></blockquote></div><br></div>

<br>
<hr>