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-0.2.3.tar.gz (7.2 MB view details)

Uploaded Source

Built Distribution

pycrosaccade-0.2.3-py3-none-any.whl (4.7 kB view details)

Uploaded Python 3

File details

Details for the file pycrosaccade-0.2.3.tar.gz.

File metadata

  • Download URL: pycrosaccade-0.2.3.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-0.2.3.tar.gz
Algorithm Hash digest
SHA256 57b53b6555c732928f14a47527d1cec8a5cc092a734556ae8de2d3d21562ada6
MD5 8ae0051d00062f84a5484f1f50bed523
BLAKE2b-256 b6ac02adc8969cd1d5b3643f82d99116d81b190022b67b72dc40e83f7c7ad6b2

See more details on using hashes here.

File details

Details for the file pycrosaccade-0.2.3-py3-none-any.whl.

File metadata

File hashes

Hashes for pycrosaccade-0.2.3-py3-none-any.whl
Algorithm Hash digest
SHA256 08fab4e8b790cb1af3b2bf8b62b2380fd651ced8d4fa7b5ceb24f4208d878d4e
MD5 b576a1c4099bc8a8371e0c3890d0ed55
BLAKE2b-256 bfcb98875f0e980a21d7cdd88a5d68dbfddba4864d0edb9ed82e90bc7b595d37

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