苹果电脑怎么打开edf文件？

1、微软的word只能识别自己的办公文档格式及相应后缀；2、wps使用了兼容微软办公文档的格式，从文档格式上实现了兼容；3、基于第二条的特点，可采用二种非常规的方式，使得微软的办公软件可直接打开wps自有后缀名称的文档： a、设置打开文件的默认关联，使wps后缀名的文档，可被微软的办公软件所识别，实现直接打开； b、用手工改名的方式，将文件名的后缀格式，改为微软办公软件对应的后缀名格式，实现直接打开；4、建议通过wps安装菜单项下的配置工具，使文档保存的默认格式为兼容微软的形式，方便文件的交流，配置工具的位置和方法参考下面截图：

电脑重复文件太多不好整理？一个软件帮你快速删除电脑重复文件

有时候电脑经常会备份很多文件和照片，但是整理太多会有很多的重复文件，处理起来就很麻烦

所以来分享一款软件，可以找出电脑里的重复文件，帮你轻松整理文件！

软件名Easy Duplicate Finder（简称EDF），是一款来自外网的软件，软件支持快速查找出指定文件夹中重复的文件

不光是文件名一样，就算是文件名不同，但是内容完全相同的文件也可以快速查找出来，下面讲下如何安装和简单使用这款软件

安装&使用

首先下载好我提供的软件，软件是绿色单文件形式，不需要安装就可以直接打开

打开进入主界面，会有一个启动页，取消勾选，然后点击X即可

默认是英文界面，点击右上角的菜单按钮，选择Settings

然后在d出的窗口中找到第一项Language，选择中文，再点击ok即可

软件的界面非常简单，点击左边的添加框，选择你要找出重复文件的文件夹

如果文件夹中有要排除的文件夹，可以点击右边的排除框，选择需要排除的文件夹

你还可以在下面的选项中选择限定的文件类型，比如只想查找图片的重复文件，就在包含那一栏点击选择，然后选择图片格式即可

右边可以限定文件的大小，多大的文件或者多小的文件不扫描

如果没有特别的要求，只用添加文件夹即可，点击开始扫描，就会进行查找重复文件

扫描完成后，会告诉你扫描结果，点击去修复它们

然后会看到所有重复的文件和文件所在的位置，如果是图片之类的文件还可以直接在右边预览

勾选要删除的文件，点击右下角删除按钮即可

实测效率不错，可以很快查出重复文件，适合文件非常多需要快速整理的小伙伴~

EDF，全称是 European Data Format，是一种标准文件格式，用于交换和存储医疗时间序列。

该格式文件能够存储多通道的数据，允许每个信号拥有不同的采样频率。

在内部，它包括标题和一个或多个数据记录。标题包含一些一般信息(患者标识，开始时间......等等)以及每个信号的技术规格(校准，采样率，过滤，......等等)，编码为 ASCII 字符。数据记录包含小端 16 位整数的样本。因此，EDF 也是多导睡眠图(PSG)录音的流行格式。

python读取edf文件，可以通过mne实现

方法原型：方法原型：mne.io.read_raw_edf(input_fname,montage='deprecated',eog=None,misc=None,stim_channel='auto',exclude=(),preload=False,verbose=None)'''input_fname:edf文件存放地址montage='deprecated':已弃用eog：通道名称或应指定为EOG通道的索引列表。值应对应于文件中的电极。默认为无。misc：通道名称或应指定为MISC通道的索引列表。值应对应于文件中的电极。默认为无。stim_channel：默认为'auto'，这意味着将名为“status”或“trigger”(不区分大小写)的通道设置为STIM。如果为str(或str列表)，则所有与名称匹配的通道均设置为STIM如果为int(或int列表)，则将对应于索引的通道设置为STIM。exclude:要排除的频道名称。这在读取具有不同采样率的数据时会有所帮助，以避免不必要的重采样。preload:如果为True，则数据将被预加载到内存中(这样可以加快数据的索引)；如果preload是字符串，则该字符串为数据存放在硬盘中的路径地址(速度较慢，需要较少的内存)。'''

读取edf文件：Affaf Ikram 20121020 1839.L1.edf

第一步：导入工具包from mne.io import concatenate_raws, read_raw_edfimport matplotlib.pyplot as pltimport mne

第二步：加载本地edf文件raw=read_raw_edf('Affaf Ikram 20121020 1839.L1.edf',preload=False)

第三步：获取原始数据中事件

查看原始edf文件中保存的event id以及eventsevents_from_annot, event_dict = mne.events_from_annotations(raw)print(event_dict)print(events_from_annot)

如上图可以发现，事件ID有1,2,3,4,5,6

每个ID对应着注释：['TRSP', 'bgin', 'fix+', 'resp', 'stm+', 'stm-']

共有517个事件

第四步：根据事件ID获取对应事件

---