Skip to main content

Detect microsaccades

Project description

pycrosaccade

Detect microsaccades

Installation

Clone repo into your preprocessing directory

> git clone https://github.com/robbertmijn/pycrosaccade

Usage

Use in combination with https://github.com/smathot/python-eyelinkparser/tree/master/eyelinkparser

Preprocessing

from pycrosaccade import microsaccades
from eyelinkparser import parse, defaulttraceprocessor

# Parse data as usual
dm = parse(
    traceprocessor=defaulttraceprocessor(
      blinkreconstruct=True, 
      downsample=None, 
      mode = "advanced"
    )
)

Out:

....................................................................................................................................

Microsaccades

# for each phase in the experiment, add 4 columns (saccetlist_phase, saccstlist_phase, saccfistlist_phase, saccfreq_phase)

microsaccades(dm)

print(dm.saccstlist_fixation)

Out:

col[[  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [2198.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 434.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [1280.   nan   nan   nan   nan   nan]
 [ 363.  618.  843.   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [1004.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  88.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 263.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 678. 1382.   nan   nan   nan   nan]
 [  87.   nan   nan   nan   nan   nan]
 [ 667.   nan   nan   nan   nan   nan]
 [1024.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 608.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [1228. 1995.   nan   nan   nan   nan]
 [ 301.   nan   nan   nan   nan   nan]
 [1030. 1193.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 728.   nan   nan   nan   nan   nan]
 [  93.  256.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  37.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [2132.   nan   nan   nan   nan   nan]
 [1719.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 190.  813. 2124.   nan   nan   nan]
 [  33.   nan   nan   nan   nan   nan]
 [ 415.  780.  898. 1933. 2357.   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 252.  434.  875. 1052.   nan   nan]
 [ 660. 1207. 2476.   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  21. 1487.   nan   nan   nan   nan]
 [ 207.  394.  625.   nan   nan   nan]
 [ 116.  549. 1231. 1378.   nan   nan]
 [1265. 1443.   nan   nan   nan   nan]
 [1395.   nan   nan   nan   nan   nan]
 [  97.  270.  686. 1182.   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 138.  337.  775. 2131.   nan   nan]
 [ 299.  722.  914. 2216.   nan   nan]
 [ 486. 1366.   nan   nan   nan   nan]
 [ 404.  549.   nan   nan   nan   nan]
 [ 615.   nan   nan   nan   nan   nan]
 [ 312.  617. 1387. 1861.   nan   nan]
 [ 163.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 863. 1019.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [ 104.   nan   nan   nan   nan   nan]
 [ 459.   nan   nan   nan   nan   nan]
 [ 268.  957. 1114.   nan   nan   nan]
 [ 348.  472.   nan   nan   nan   nan]
 [ 201.  351. 1048. 1842. 2485.   nan]
 [1038. 1907. 2132.   nan   nan   nan]
 [ 157.   nan   nan   nan   nan   nan]
 [ 625.  915. 1050.   nan   nan   nan]
 [ 262.  722. 1285. 1585.   nan   nan]
 [  50.  603. 1515. 1936. 2113.   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]
 [  68.  263. 1016. 1171. 1685. 2413.]
 [  nan   nan   nan   nan   nan   nan]
 [ 619.   nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan   nan]]

Visualisation

from datamatrix import plot
plot.trace(dm.saccfreq_fixation)

Out:

alt text

Parameters

TODO (but see functions)

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

pycrosaccade-0.2.2.tar.gz (7.2 MB view details)

Uploaded Source

Built Distribution

pycrosaccade-0.2.2-py3-none-any.whl (4.5 kB view details)

Uploaded Python 3

File details

Details for the file pycrosaccade-0.2.2.tar.gz.

File metadata

  • Download URL: pycrosaccade-0.2.2.tar.gz
  • Upload date:
  • Size: 7.2 MB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: python-requests/2.26.0

File hashes

Hashes for pycrosaccade-0.2.2.tar.gz
Algorithm Hash digest
SHA256 2faf15e714a4e351b02380da419bfb773762c53b4b956977dc0c5818f87d1761
MD5 0d2da058da740d5951a839f6f3b353fc
BLAKE2b-256 61da70bad88424594a428c89c45dc95407c778f5b5df0dbf0c80b2609df24073

See more details on using hashes here.

File details

Details for the file pycrosaccade-0.2.2-py3-none-any.whl.

File metadata

File hashes

Hashes for pycrosaccade-0.2.2-py3-none-any.whl
Algorithm Hash digest
SHA256 175f4673fed19d29f3250258837610496f4d88f5e371bf1541f6ea7f1e49df3c
MD5 60115150269a9f6b66eab37f3f9fb943
BLAKE2b-256 02007c6afa6f1c8a4e30e71dce419d2eca115bbc0176f6f8a66f740775157c33

See more details on using hashes here.

Supported by

AWS AWS Cloud computing and Security Sponsor Datadog Datadog Monitoring Fastly Fastly CDN Google Google Download Analytics Microsoft Microsoft PSF Sponsor Pingdom Pingdom Monitoring Sentry Sentry Error logging StatusPage StatusPage Status page