First approach, lectura de texto y gráfica

maker.py

@@ -0,0 +1,103 @@
+import pandas as pd
+from pathlib import Path
+
+import matplotlib.pyplot as plt
+
+def procesar_archivo_txt(ruta_archivo):
+    try:
+        ruta = Path(ruta_archivo)
+        if not ruta.is_file():
+            raise FileNotFoundError(f"La ruta '{ruta_archivo}' no apunta a un archivo válido.")
+
+        # Leer todas las líneas del archivo
+        with open(ruta, 'r') as archivo:
+            lineas = archivo.readlines()
+
+        # Buscar la cabecera (línea que comienza con 'Sample Index')
+        for i, linea in enumerate(lineas):
+            if linea.startswith("Sample Index"):
+                inicio_datos = i
+                break
+        else:
+            raise ValueError("No se encontró la cabecera en el archivo.")
+
+        # Leer los datos desde la cabecera utilizando pandas
+        datos = pd.read_csv(ruta, skiprows=inicio_datos)
+
+        # Convertir columnas a numéricas donde sea posible
+        for columna in datos.columns:
+            try:
+                datos[columna] = pd.to_numeric(datos[columna], errors='coerce')
+            except Exception as e:
+                print(f"Error al convertir la columna '{columna}': {e}")
+
+        return datos
+
+    except FileNotFoundError as e:
+        print(f"Archivo no encontrado: {e}")
+    except PermissionError as e:
+        print(f"Permiso denegado: {e}")
+    except ValueError as e:
+        print(f"Error de formato en el archivo: {e}")
+    except Exception as e:
+        print(f"Error procesando el archivo: {e}")
+
+# Ruta al archivo
+ruta = r"C:\Users\lumon\Desktop\OpenBCI-RAW-2024-10-10_17-56-37.txt"
+df = procesar_archivo_txt(ruta)
+
+if df is not None:
+    print(df.columns)
+
+def graficar_datos(df):
+    # Eliminar espacios extra en los nombres de las columnas
+    df.columns = df.columns.str.strip()
+
+    # Verificar si la columna 'Timestamp' está presente
+    if 'Timestamp' not in df.columns:
+        print("La columna 'Timestamp' no se encuentra en el archivo.")
+        return
+
+    # Si el archivo tiene un Timestamp y lo queremos graficar, convertir a formato datetime
+    df['Timestamp'] = pd.to_datetime(df['Timestamp'], errors='coerce')  # Convertir a datetime
+
+    # Graficar algunos canales de EXG en función del tiempo
+    plt.figure(figsize=(12, 6))
+
+    # Graficar EXG Channel 0, 1, 2
+    plt.plot(df['Timestamp'], df['EXG Channel 0'], label='EXG Channel 0')
+    plt.plot(df['Timestamp'], df['EXG Channel 1'], label='EXG Channel 1')
+    plt.plot(df['Timestamp'], df['EXG Channel 2'], label='EXG Channel 2')
+    plt.plot(df['Timestamp'], df['EXG Channel 3'], label='EXG Channel 3')
+    plt.plot(df['Timestamp'], df['EXG Channel 4'], label='EXG Channel 4')
+    plt.plot(df['Timestamp'], df['EXG Channel 5'], label='EXG Channel 5')
+    plt.plot(df['Timestamp'], df['EXG Channel 6'], label='EXG Channel 6')
+    plt.plot(df['Timestamp'], df['EXG Channel 7'], label='EXG Channel 7')
+    plt.plot(df['Timestamp'], df['EXG Channel 8'], label='EXG Channel 8')
+    plt.plot(df['Timestamp'], df['EXG Channel 9'], label='EXG Channel 9')
+    plt.plot(df['Timestamp'], df['EXG Channel 10'], label='EXG Channel 10')
+    plt.plot(df['Timestamp'], df['EXG Channel 11'], label='EXG Channel 11')
+    plt.plot(df['Timestamp'], df['EXG Channel 12'], label='EXG Channel 12')
+    plt.plot(df['Timestamp'], df['EXG Channel 13'], label='EXG Channel 13')
+    plt.plot(df['Timestamp'], df['EXG Channel 14'], label='EXG Channel 14')
+    plt.plot(df['Timestamp'], df['EXG Channel 15'], label='EXG Channel 15')
+
+
+    # Títulos y etiquetas
+    plt.title("Señales de Canales EXG a lo largo del Tiempo")
+    plt.xlabel("Tiempo (Timestamp)")
+    plt.ylabel("Valor de la señal (µV)")
+
+    # Agregar leyenda
+    plt.legend()
+
+    # Mejorar el formato de las fechas en el eje X
+    plt.xticks(rotation=45)
+
+    # Mostrar la gráfica
+    plt.tight_layout()
+    plt.show()
+
+# Supongamos que df es el DataFrame procesado anteriormente
+if df is not None:
+    graficar_datos(df)