使用MNE读取BrainVision格式EEG文件遇滤波警告及数据集转换问题

关于RuntimeWarning的说明 #

该警告仅提示不同通道的低通滤波参数不一致，MNE自动采用了最高的滤波值（131Hz），不会影响数据读取和后续处理。若不想看到该警告，可在代码开头添加过滤：

import warnings
warnings.filterwarnings("ignore", category=RuntimeWarning, module="mne")

完整转换步骤（基于MNE） #

直接使用MNE即可完成转换，无需额外工具，具体代码如下：

import mne
import pandas as pd

# 读取BrainVision文件（若需屏蔽警告，先执行上述过滤代码）
raw = mne.io.read_raw_brainvision('base.vhdr', preload=True)

# 1. 提取时间戳：raw.times为相对于数据起始点的秒级时间数组
timestamps = raw.times  # 形状为(n_times,)
# 若需毫秒级时间戳，可转换：timestamps = raw.times * 1000

# 2. 提取信号数据：get_data()返回(n_channels, n_times)，转置后为(n_times, n_channels)
signals = raw.get_data().T

# 3. 合并时间戳与信号，生成结构化数据集
channel_names = raw.ch_names
columns = ['timestamp'] + channel_names
eeg_df = pd.DataFrame(data=signals, columns=channel_names)
eeg_df.insert(0, 'timestamp', timestamps)

# 4. 保存为CSV（也可保存为JSON等格式）
eeg_df.to_csv('eeg_timestamp_signal.csv', index=False)

代码补充说明 #

• raw.get_data()返回的信号默认单位为微伏（μV），可通过raw.info['units']确认具体单位
• 最终生成的CSV文件每行对应一个时间戳及该时刻所有通道的信号值，完全匹配「时间戳->信号」的需求

替代方案（轻量库pybv） #

若不想使用MNE，可使用专门处理BrainVision格式的轻量库pybv（通过pip install pybv安装）：

from pybv import read_brainvision
import pandas as pd

# 读取BrainVision文件
raw_data, sfreq, ch_names, annotations = read_brainvision('base.vhdr')

# 计算时间戳：基于采样频率生成
timestamps = [i / sfreq for i in range(raw_data.shape[1])]

# 生成结构化数据集并保存
eeg_df = pd.DataFrame(data=raw_data.T, columns=ch_names)
eeg_df.insert(0, 'timestamp', timestamps)
eeg_df.to_csv('eeg_timestamp_signal.csv', index=False)

内容的提问来源于stack exchange，提问作者Andrew