第一章 绪 论 1第 1 节 Python 起源及发展 1第 2 节 Python 在心理学研究中的作用 6
第二章 Python 语言基础 11第 1 节 Python 解释器 12第 2 节 集成开发环境 17第 3 节 变 量 29第 4 节 数据类型 31第 5 节 控制流和循环 68第 6 节 函数和模块 76第 7 节 处理文件和数据 88
第三章 NumPy 核心功能解析 92第 1 节 NumPy 概述 92第 2 节 基础数组操作 93第 3 节 数组运算与广播机制 102第 4 节 随机数与统计 105第 5 节 与 Matplotlib 结合 108
第四章 Pandas 数据处理与分析 116第 1 节 Pandas 概述 116第 2 节 数据结构 118第 3 节 数据读取与写入 122第 4 节 数据选择与索引操作 124第 5 节 数据统计与汇总 127第 6 节 数据合并与连接 133第 7 节 数据清洗与预处理 135第 8 节 时间序列数据处理 139第 9 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 1 节 概率分布 147第 2 节 统计描述 154第 3 节 统计检验 158第 4 节 相关分析 172第 5 节 回归分析 177
第六章 使用 PsychoPy 设计与开发实验程序 182第 1 节 PsychoPy 简介及安装 183第 2 节 PsychoPy 启动及界面 187第 3 节 重要属性设置 190第 4 节 编辑刺激程序 202第 5 节 记录行为反应数据 234第 6 节 代码组件与常见实验范式 243第 7 节 配置在线实验 254第 8 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 1 节 MNE-Python 概述与安装 273第 2 节 加载与查看原始脑电数据 279第 3 节 数据预处理 297第 4 节 分段数据的读取和查看 316第 5 节 事件相关电位信号特征分析 321第 6 节 频率信号特征分析 331第 7 节 时频信号特征分析 335第 8 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 1 节 有监督的机器学习 354第 2 节 无监督的机器学习 381第 3 节 深度学习算法之多层感知机 401
参考文献 437