-
Notifications
You must be signed in to change notification settings - Fork 3
/
Examen - Clase Intersemestral - FaceReader.py
284 lines (245 loc) · 14.3 KB
/
Examen - Clase Intersemestral - FaceReader.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
import pandas as pd
import numpy as np
### Abrimos los txt
dfsujeto1 = pd.read_csv('sujeto1.txt', sep='\t', header=6, encoding='utf-8')
dfsujeto2 = pd.read_csv('sujeto2.txt', sep='\t', header=6)
dfsujeto3 = pd.read_csv('sujeto3.txt', sep='\t', header=6)
### Arreglamos el tiempo
dfsujeto1tiempo = pd.to_datetime(dfsujeto1.iloc[:, 0]).dt.time.to_frame().rename(columns={'Video Time':'Tiempo'})
dfsujeto2tiempo = pd.to_datetime(dfsujeto2.iloc[:, 0]).dt.time.to_frame().rename(columns={'Video Time':'Tiempo'})
dfsujeto3tiempo = pd.to_datetime(dfsujeto3.iloc[:, 0]).dt.time.to_frame().rename(columns={'Video Time':'Tiempo'})
### Arreglamos emociones
dfemo1 = dfsujeto1.iloc[:, 1:11]
dfemo2 = dfsujeto2.iloc[:, 1:11]
dfemo3 = dfsujeto3.iloc[:, 1:11]
### Arreglamos Frecuencia Cardíaca
dfcard1 = dfsujeto1.iloc[:, -3:-2]
dfcard2 = dfsujeto2.iloc[:, -3:-2]
dfcard3 = dfsujeto3.iloc[:, -3:-2]
dfsujeto1.info()
#############################################################################################
### Uniendo bases de Sujeto 1
df1_sujeto1 = dfemo1.join(dfcard1)
df2_sujeto1 = df1_sujeto1.replace('FIT_FAILED', np.nan)
df3_sujeto1 = df2_sujeto1.replace('FIND_FAILED', np.nan)
df4_sujeto1 = df3_sujeto1.replace('NotAnalyzed', np.nan)
df5_sujeto1 = df4_sujeto1.replace('Unknown Heart Rate', np.nan).astype(float)
df6_sujeto1 = df5_sujeto1.rename(columns={'Neutral':'Neutral',
'Happy':'Felicidad',
'Sad':'Tristeza',
'Angry':'Enojo',
'Surprised':'Sorpresa',
'Scared':'Miedo',
'Disgusted':'Asco',
'Contempt':'Desprecio',
'Valence':'Valencia',
'Heart Rate':'Frec Cardíaca',
'Arousal':'Activación'})
sujeto1 = dfsujeto1tiempo.join(df6_sujeto1).dropna(how='any').set_index('Tiempo').assign(Sujeto='Sujeto1')
df1_sujeto1.info()
sujeto1.info()
sujeto1.to_csv('Sujeto1.csv', sep=',')
########################################################################################################
### Uniendo bases de Sujeto 2
df1_sujeto2 = dfemo2.join(dfcard2)
df2_sujeto2 = df1_sujeto2.replace('FIT_FAILED', np.nan)
df3_sujeto2 = df2_sujeto2.replace('FIND_FAILED', np.nan)
df4_sujeto2 = df3_sujeto2.replace('NotAnalyzed', np.nan)
df5_sujeto2 = df4_sujeto2.replace('Unknown Heart Rate', np.nan).astype(float)
df6_sujeto2 = df5_sujeto2.rename(columns={'Neutral':'Neutral',
'Happy':'Felicidad',
'Sad':'Tristeza',
'Angry':'Enojo',
'Surprised':'Sorpresa',
'Scared':'Miedo',
'Disgusted':'Asco',
'Contempt':'Desprecio',
'Valence':'Valencia',
'Heart Rate':'Frec Cardíaca',
'Arousal':'Activación'})
sujeto2 = dfsujeto2tiempo.join(df6_sujeto2).dropna(how='any').set_index('Tiempo').assign(Sujeto='Sujeto2')
df1_sujeto2.info()
sujeto2.info()
sujeto2.to_csv('Sujeto2.csv', sep=',')
########################################################################################################
### Uniendo bases de Sujeto 3
df1_sujeto3 = dfemo3.join(dfcard3)
df2_sujeto3 = df1_sujeto3.replace('FIT_FAILED', np.nan)
df3_sujeto3 = df2_sujeto3.replace('FIND_FAILED', np.nan)
df4_sujeto3 = df3_sujeto3.replace('NotAnalyzed', np.nan)
df5_sujeto3 = df4_sujeto3.replace('Unknown Heart Rate', np.nan).astype(float)
df6_sujeto3 = df5_sujeto3.rename(columns={'Neutral':'Neutral',
'Happy':'Felicidad',
'Sad':'Tristeza',
'Angry':'Enojo',
'Surprised':'Sorpresa',
'Scared':'Miedo',
'Disgusted':'Asco',
'Contempt':'Desprecio',
'Valence':'Valencia',
'Heart Rate':'Frec Cardíaca',
'Arousal':'Activación'})
sujeto3 = dfsujeto3tiempo.join(df6_sujeto3).dropna(how='any').set_index('Tiempo').assign(Sujeto='Sujeto3')
df1_sujeto3.info()
sujeto3.info()
sujeto3.to_csv('Sujeto3.csv', sep=',')
#####################################################################################################
### Juntar las bases de los Sujetos
# 1.- Trabajar a sujeto2 y sujeto3
# 2.- Juntar las bases como apéndices.
df = sujeto1.append(sujeto2)
sujetos = df.append(sujeto3)
#####################################################################################################
### 3.- Obtener los Descriptivos por sujeto y por emoción
neu_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Neutral']].mean()
fel_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Felicidad']].sum()
tri_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Tristeza']].describe()
eno_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Enojo']].describe()
sor_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Sorpresa']].describe()
mie_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Miedo']].describe()
asc_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Asco']].describe()
des_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Desprecio']].describe()
val_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Valencia']].describe()
act_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Activación']].describe()
car_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Frec Cardíaca']].describe()
sujeto1.describe()
sujeto1.to_csv('Descritivo_Pac1.txt', sep=',')
neu_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Neutral']].describe()
fel_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Felicidad']].describe()
tri_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Tristeza']].describe()
eno_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Enojo']].describe()
sor_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Sorpresa']].describe()
mie_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Miedo']].describe()
asc_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Asco']].describe()
des_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Desprecio']].describe()
val_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Valencia']].describe()
act_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Activación']].describe()
car_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Frec Cardíaca']].describe()
neu_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Neutral']].describe()
fel_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Felicidad']].describe()
tri_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Tristeza']].describe()
eno_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Enojo']].describe()
sor_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Sorpresa']].describe()
mie_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Miedo']].describe()
asc_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Asco']].describe()
des_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Desprecio']].describe()
val_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Valencia']].describe()
act_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Activación']].describe()
car_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Frec Cardíaca']].describe()
######################################################################################################
### 4.- Obtener los descriptivos por sujeto de todas las emociones
desc_sujeto1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'].describe()
desc_sujeto2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'].describe()
desc_sujeto3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'].describe()
sujeto1.describe()
######################################################################################################
### 5.- Obtener la correlación de pearson
### por sujeto y por emoción
corr_neu_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Neutral']].corr()
corr_fel_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Felicidad']].corr()
corr_tri_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Tristeza']].corr()
corr_eno_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Enojo']].corr()
corr_sor_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Sorpresa']].corr()
corr_mie_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Miedo']].corr()
corr_asc_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Asco']].corr()
corr_des_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Desprecio']].corr()
corr_val_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Valencia']].corr()
corr_act_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Activación']].corr()
corr_car_su1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Frec Cardíaca']].corr()
corr_neu_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Neutral']].corr()
corr_fel_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Felicidad']].corr()
corr_tri_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Tristeza']].corr()
corr_eno_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Enojo']].corr()
corr_sor_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Sorpresa']].corr()
corr_mie_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Miedo']].corr()
corr_asc_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Asco']].corr()
corr_des_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Desprecio']].corr()
corr_val_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Valencia']].corr()
corr_act_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Activación']].corr()
corr_car_su2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Frec Cardíaca']].corr()
corr_neu_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Neutral']].corr()
corr_fel_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Felicidad']].corr()
corr_tri_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Tristeza']].corr()
corr_eno_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Enojo']].corr()
corr_sor_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Sorpresa']].corr()
corr_mie_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Miedo']].corr()
corr_asc_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Asco']].corr()
corr_des_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Desprecio']].corr()
corr_val_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Valencia']].corr()
corr_act_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Activación']].corr()
corr_car_su3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Frec Cardíaca']].corr()
########################################################################################################
### 6.- Obtener la correlación de pearson
### por sujeto de todas las emociones
corr_sujeto1 = sujetos[sujetos['Sujeto'] == 'Sujeto1'].corr()
corr_sujeto2 = sujetos[sujetos['Sujeto'] == 'Sujeto2'].corr()
corr_sujeto3 = sujetos[sujetos['Sujeto'] == 'Sujeto3'].corr()
sujeto1.corr()
#######################################################################################################
### 7.- Graficar cada emoción
### (La que mejor consideres y ¿Por qué esa gráfica?)
import matplotlib.pyplot as plt
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Neutral']].plot()
plt.grid(False)
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Felicidad']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Tristeza']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Enojo']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Sorpresa']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Miedo']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Asco']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Desprecio']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Valencia']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Activación']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto1'][['Frec Cardíaca']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Neutral']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Felicidad']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Tristeza']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Enojo']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Sorpresa']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Miedo']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Asco']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Desprecio']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Valencia']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Activación']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto2'][['Frec Cardíaca']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Neutral']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Felicidad']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Tristeza']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Enojo']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Sorpresa']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Miedo']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Asco']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Desprecio']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Valencia']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Activación']].plot()
sujetos[sujetos['Sujeto'] == 'Sujeto3'][['Frec Cardíaca']].plot()
########################################################################################
### 8.- Graficar las emociones con valencias positivas
### (La que mejor consideres y ¿Por qué esa gráfica?)
sujetos[sujetos['Valencia'] > 0].plot()
val_pos = sujetos[sujetos['Valencia'] > 0]
val_pos.iloc[:, ::2].plot()
#########################################################################################
### 9.- Graficar las emociones con valencias negativas
### (La que mejor consideres y ¿Por qué esa gráfica?)
sujetos[sujetos['Valencia'] < 0].plot()
val_neg = sujetos[sujetos['Valencia'] < 0]
val_neg.iloc[:, 0:10].plot()
import seaborn as sns
sns.stripplot(x='Sujeto', y='Felicidad', hue='Sujeto', data=sujetos, )
sns.stripplot(x='Sujeto', y='Felicidad', hue='Sujeto', data=sujetos, jitter=True, split=True)
fel = sujeto1[['Felicidad']]
sor = sujeto1[['Sorpresa']]
val = sujeto1[['Valencia']]
peso = [67, 56, 69, 55, 65, 51, 47, 90, 52, 56, 82, 104, 89, 65, 60]
peso1 = [63, 52, 64, 50, 60, 46, 42, 85, 34, 78, 90, 120, 78, 43, 34]
ejex = [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14]
etiquetax = ['GB', 'VC', 'AL', 'GC', 'PT', 'SA', 'VG', 'IG', 'EN', 'SM', 'CD', 'JV', 'LZ', 'RG', 'ID']
import matplotlib.pyplot as plt
plt.plot(peso, color='r', marker='o', label='Peso - Clase', linestyle='-.')
plt.plot(peso1, color='g', marker='s', label='Peso - Otra Clase ', linestyle='--')
plt.legend(loc='best')
plt.grid(False)
plt.xticks(ejex, etiquetax)
plt.title('Grafica en clase')
plt.savefig('Gráfica del peso de la clase Anaconda.png')