内容简介
本书采用“基础—核心—应用”的渐进式结构分为八章：
基础部分的第一、二章系统讲解Python的起源、发展及其在心理学领域的应用情况。详细介绍Python解释器、不同集成开发环境的安装配置及特点。同时，深入介绍Python变量定义与赋值、数据类型、控制流与循环、函数与模块、文件与数据处理等核心概念和用法，为后续Python编程奠定坚实基础。
核心部分的第三至五章系统讲解 Python 数据处理和分析的核心工具库，涵盖 NumPy的高性能数组运算、Pandas的数据处理与分析、Matplotlib的专业级可视化绘制，以及SciPy的统计分析功能。通过常用的实际案例，帮助读者掌握从数据读取、清洗、统计分析到结果可视化的完整工作流程，特别强调统计方法的适用条件和实践要点，为心理学研究提供一套完整的、可复用的数据分析解决方案。
应用部分的第六章深入讲解基于 Python 的开源实验工具 PsychoPy，介绍从基础实验设计到高级程序控制的全流程开发方法。第七章重点介绍专业神经信号处理工具MNE-Python，系统讲解从原始数据预处理到多模态分析的完整技术流程。第八章介绍基于标签数据的学习方法，如线性回归、支持向量机等，强调其在心理学行为预测、分类诊断等方面的应用与评估策略。
目录
第一章 绪 论…………………………………………………………………1
第一节 Python起源及发展………………………………………………………………1
第二节 Python在心理学研究中的作用…………………………………………………6
第二章 Python语言基础 …………………………………………………11
第一节 Python解释器 …………………………………………………………………12
第二节 集成开发环境 …………………………………………………………………17
第三节 变 量 …………………………………………………………………………29
第四节 数据类型 ………………………………………………………………………31
第五节 控制流和循环 …………………………………………………………………68
第六节 函数和模块 ……………………………………………………………………76
第七节 处理文件和数据 ………………………………………………………………88
第三章 NumPy核心功能解析 ……………………………………………92
第一节 NumPy概述 ……………………………………………………………………92
第二节 基础数组操作 …………………………………………………………………93
第三节 数组运算与广播机制 …………………………………………………………102
第四节 随机数与统计 …………………………………………………………………105
第五节 与Matplotlib结合 ……………………………………………………………108
第四章 Pandas数据处理与分析…………………………………………116
第一节 Pandas概述 …………………………………………………………………116
第二节 数据结构 ………………………………………………………………………118
第三节 数据读取与写入 ………………………………………………………………122
第四节 数据选择与索引操作 …………………………………………………………124
第五节 数据统计与汇总 ………………………………………………………………127
第六节 数据合并与连接 ………………………………………………………………133
第七节 数据清洗与预处理 ……………………………………………………………135
第八节 时间序列数据处理 ……………………………………………………………139
第九节 数据可视化与绘图 ……………………………………………………………142
第五章 SciPy概率分布与统计分析实践 ………………………………146
第一节 概率分布 ………………………………………………………………………147
第二节 统计描述 ………………………………………………………………………154
第三节 统计检验 ………………………………………………………………………158
第四节 相关分析 ………………………………………………………………………172
第五节 回归分析 ………………………………………………………………………177
第六章 使用PsychoPy设计与开发实验程序 …………………………182
第一节 PsychoPy简介及安装 ………………………………………………………183
第二节 PsychoPy启动及界面 ………………………………………………………187
第三节 重要属性设置 …………………………………………………………………190
第四节 编辑刺激程序 …………………………………………………………………202
第五节 记录行为反应数据 ……………………………………………………………234
第六节 代码组件与常见实验范式 ……………………………………………………243
第七节 配置在线实验 …………………………………………………………………254
第八节 实验数据记录与管理 …………………………………………………………257
第七章 MNE-Python处理脑电/脑磁数据 ……………………………272
第一节 MNE-Python概述与安装 …………………………………………………273
第二节 加载与查看原始脑电数据 ……………………………………………………279
第三节 数据预处理 ……………………………………………………………………297
第四节 分段数据的读取和查看 ………………………………………………………316
第五节 事件相关电位信号特征分析 …………………………………………………321
第六节 频率信号特征分析 ……………………………………………………………331
第七节 时频信号特征分析 ……………………………………………………………335
第八节 基本统计分析 …………………………………………………………………337
第八章 机器学习与心理行为数据挖掘 …………………………………353
第一节 有监督的机器学习 ……………………………………………………………354
第二节 无监督的机器学习 ……………………………………………………………381
第三节 深度学习算法之多层感知机 …………………………………………………401
参考文献 ……………………………………………………………………437
渝公网安备 50009802500702号
数字教材
课书房新形态教材
