In [1]:
import numpy as np
import os
import pandas as pd
import warnings
import nelpy as nel
#warnings.filterwarnings("ignore")
In [10]:
with pd.HDFStore('DibaMetadata.h5') as store:
df = store.get('Session_Metadata')
df2 = store.get('Subset_Metadata')
In [12]:
df2
Out[12]:
animal
month
day
time
track
segment
duration
n_cells
n_placecells
n_PBEs
Notes
prescreen_z
0
vvp01
4
9
17-29-30
one
short
490.0
68
32
46
NaN
NaN
1
vvp01
4
9
17-29-30
one
long
800.0
68
34
33
NaN
NaN
2
vvp01
4
12
17-53-55
one
short
306.0
79
34
1
NaN
NaN
3
vvp01
4
12
17-53-55
one
long
466.0
79
30
0
NaN
NaN
4
vvp01
4
28
12-17-27
one
long
422.0
105
46
8
NaN
NaN
5
gor01
6
8
21-16-25
two
short
457.0
171
64
37
NaN
NaN
6
gor01
6
8
21-16-25
two
long
720.0
171
82
57
NaN
NaN
7
vvp01
4
16
14-49-24
two
short
262.0
57
19
9
NaN
NaN
8
vvp01
4
16
14-49-24
two
long
735.0
57
24
12
NaN
NaN
9
vvp01
4
19
16-48-9
one
short
242.0
53
20
6
NaN
NaN
10
vvp01
4
19
16-48-9
one
long
271.0
53
23
6
NaN
NaN
11
vvp01
4
10
21-2-40
one
short
312.0
83
48
1
NaN
NaN
12
vvp01
4
10
21-2-40
one
long
590.0
83
47
4
NaN
NaN
13
gor01
6
12
16-53-46
two
short
306.0
81
36
23
NaN
NaN
14
gor01
6
12
16-53-46
two
long
470.0
81
36
36
NaN
NaN
15
vvp01
4
21
11-19-2
two
short
214.0
80
31
1
NaN
NaN
16
vvp01
4
21
11-19-2
two
long
352.0
80
32
7
NaN
NaN
17
vvp01
4
19
13-34-40
one
short
244.0
68
30
6
NaN
NaN
18
vvp01
4
19
13-34-40
one
long
384.0
68
31
9
NaN
NaN
19
vvp01
4
18
15-38-2
two
short
194.0
109
38
10
NaN
NaN
20
vvp01
4
18
15-38-2
two
long
294.0
109
45
6
NaN
NaN
21
vvp01
4
17
12-33-47
one
short
406.0
34
9
10
NaN
NaN
22
vvp01
4
17
12-33-47
one
long
429.0
34
10
11
NaN
NaN
23
vvp01
4
18
13-6-1
one
short
276.0
69
20
9
NaN
NaN
24
vvp01
4
18
13-6-1
one
long
482.0
69
20
7
NaN
NaN
25
vvp01
4
28
17-6-14
two
short
174.0
93
41
2
NaN
NaN
26
vvp01
4
28
17-6-14
two
long
335.0
93
40
5
NaN
NaN
27
vvp01
4
25
14-28-51
one
short
211.0
80
35
12
NaN
NaN
28
vvp01
4
25
14-28-51
one
long
385.0
80
32
36
NaN
NaN
29
vvp01
4
12
14-59-23
two
long
277.0
42
26
4
NaN
NaN
...
...
...
...
...
...
...
...
...
...
...
...
...
60
gor01
6
12
15-55-31
one
short
410.0
97
44
27
NaN
NaN
61
gor01
6
12
15-55-31
one
long
660.0
97
40
32
NaN
NaN
62
vvp01
4
21
10-24-35
one
short
287.0
54
18
24
NaN
NaN
63
vvp01
4
21
10-24-35
one
long
451.0
54
21
18
NaN
NaN
64
vvp01
4
25
13-20-55
two
short
221.0
112
40
15
NaN
NaN
65
vvp01
4
25
13-20-55
two
long
304.0
112
39
18
NaN
NaN
66
vvp01
4
10
19-11-57
two
short
427.0
77
39
9
NaN
NaN
67
vvp01
4
10
19-11-57
two
long
891.0
77
42
20
NaN
NaN
68
vvp01
4
11
16-2-46
two
short
272.0
95
43
0
NaN
NaN
69
vvp01
4
11
16-2-46
two
long
568.0
95
43
3
NaN
NaN
70
vvp01
4
19
16-37-40
two
short
178.0
62
25
1
NaN
NaN
71
vvp01
4
19
16-37-40
two
long
262.0
62
30
0
NaN
NaN
72
gor01
6
9
1-22-43
one
short
617.0
203
71
91
NaN
NaN
73
gor01
6
9
1-22-43
one
long
1012.0
203
62
117
NaN
NaN
74
gor01
6
13
15-22-3
two
short
325.0
82
37
21
NaN
NaN
75
gor01
6
13
15-22-3
two
long
530.0
82
37
31
NaN
NaN
76
vvp01
4
27
18-21-57
two
long
266.0
91
34
4
NaN
NaN
77
vvp01
4
28
16-48-29
one
long
341.0
93
37
9
NaN
NaN
78
vvp01
4
12
15-25-59
two
short
357.0
70
37
3
NaN
NaN
79
vvp01
4
12
15-25-59
two
long
449.0
70
33
2
NaN
NaN
80
vvp01
4
11
15-16-59
one
short
241.0
84
41
2
NaN
NaN
81
vvp01
4
11
15-16-59
one
long
667.0
84
42
0
NaN
NaN
82
vvp01
4
9
16-40-54
two
short
485.0
41
16
37
NaN
NaN
83
vvp01
4
9
16-40-54
two
long
861.0
41
25
42
NaN
NaN
84
vvp01
4
11
12-48-38
two
short
433.0
80
38
8
NaN
NaN
85
vvp01
4
11
12-48-38
two
long
697.0
80
33
14
NaN
NaN
86
vvp01
4
19
13-50-7
two
short
201.0
74
28
6
NaN
NaN
87
vvp01
4
19
13-50-7
two
long
288.0
74
30
11
NaN
NaN
88
vvp01
4
16
18-47-52
two
short
308.0
66
25
20
NaN
NaN
89
vvp01
4
16
18-47-52
two
long
420.0
66
30
8
NaN
NaN
180 rows × 12 columns
In [ ]:
Content source: ckemere/CloudShuffles
Similar notebooks: