简介这是一份面向心理学与神经科学实验研究者的PsychoPy资源包采用zip压缩格式整体大小为17.5MB便于保存、迁移和离线部署。PsychoPy是Python生态中备受认可的开源实验刺激呈现工具可替代Matlab完成视觉、听觉、触觉等刺激的生成、呈现与同步记录尤其适合需要高精度时间控制的行为实验、fMRI和EEG实验设计。资源目前已有502人学习下载标签为“开源”意味着实验者无需商业授权即可自由使用和二次开发。结合资源描述这份压缩包覆盖了从环境搭建到实验范式实现的常见要素可帮助心理学背景的研究者绕过Matlab授权成本在Python环境下快速构建经典范式并进一步扩展自定义任务其简洁的Python语法也降低了编程入门难度适合学生、科研助理等初级用户参考。 我最早把 PsychoPy 装进实验室那台旧电脑时说真的没抱太大期望。当时手头有个多语言切换的 Stroop 任务E-Prime 授权快到期了被试一批批约好我很慌。结果这个用 Python 写的实验软件用 Builder 模式连线式拖了一个小时就把整个实验搭出来跑通了连屏幕刷新率都把得严严实实。后来它成了我们实验室跑行为实验、收集反应时数据、甚至同步脑电和功能磁共振成像范式的主力工具。这篇文章就按我最真实的使用经验来聊PsychoPy 解决什么问题、两种工作模式怎么选、具体实验怎么一步步落地、以及那些你早晚会踩、必须提前知道的坑。1. 为什么实验软件选型很重要从 E-Prime 迁移到 PsychoPy 的真实理由先说一下背景。心理学和神经科学实验最核心的需求不是写出漂亮界面而是三件事刺激呈现的时间精度够不够、反应记录准不准、数据结果能不能被同行复现。实验软件本质上是这三件事的载体选错了后面全是眼泪。商业软件里E-Prime 长期是主流卖点在于图形化设计、成熟的售后和很多实验室沿用多年的模板。但它的短板也很明显跨平台能力弱、授权费用按实验室规模算不便宜、想写复杂逻辑比如根据被试上一题答案动态跳转乱序时要绕很多弯路改 bug 成本和升级维护都让人头疼。PsychoPy 属于另一条路。它本质上是一个基于 Python 的库同时在外面包了两层使用界面Builder和Coder。它的核心优势我总结为四条开源免费实验室经费紧张时这是致命吸引力学生自己电脑也能装实验预注册的时候也不用手忙脚乱找授权。毫秒级时间控制基于 Python 的高精度时钟和同步机制配合屏幕刷新率能够满足多数认知实验对刺激时间的要求。编程灵活性底层是 Python意味着你能调用 pandas 处理问卷数据、用 random 模块实现高级随机化、甚至无缝接入眼动仪和 EEG 设备。可复现性和透明性Builder 生成的实验其实也是一份 Python 脚本随时可以看逻辑、改参数、分享给合作者。对现在越来越强调开放科学的学术环境来说这一点非常值钱。我的建议很直接如果你只是偶尔跑一两个简单实验且经费充沛E-Prime 没什么问题。但如果你要做在线实验、复杂随机逻辑、跨平台、或者预算不多但想认真做研究直接上 PsychoPy 不会后悔。2. PsychoPy 的两种工作模式Builder 视图和 Coder 视图应该怎么选很多人第一次打开 PsychoPy看到三个窗口会懵——一个像幻灯片编辑器的 Builder、一个长得很像文本编辑器的 Coder、还有一个运行日志。理解这两者的分工就理解了 PsychoPy 的设计哲学。2.1 Builder搭积木式的图形化编程Builder 的设计目标是让不熟悉编程的研究者也能搭建实验。它把一个刺激出现等待被试按键记录反应结束实验这些步骤做成了可视化组件。你可以把它理解为 PPT 的设计视图每页放一个刺激文字、图片、音频、视频再设置呈现时长和反应收集方式连一条流程线实验就成型了。Builder 特别适合范式比较标准、流程线性、改动不频繁的实验。比如说经典的 Stroop 任务需要呈现颜色词要求被试判断颜色而不读词义。这种实验的流程是注视点—刺激—空屏—反馈用 Builder 搭半小时就够。它还会自动生成对应的 Python 脚本本质上你也在学编程。2.2 Coder直接写脚本全面掌控每一行当实验逻辑变复杂比如需要动态生成 trial 序列、依赖被试的组别做不同呈现路径、或者要实时改变刺激参数Builder 反而会变得繁琐。这时候我会切到 Coder 模式直接写 Python 脚本。Coder 的优势在于灵活性和掌控感。我自己最常用 Coder 做两种事情一是写带有复杂循环和条件判断的时序控制二是集成外部设备比如给串口发 trigger 给 EEG 打标。我的习惯是混合使用用 Builder 快速搭建面部识别版的实验框架然后把它生成的脚本拿到 Coder 里改。Builder 负责省事Coder 负责精细它们共享同一套底层组件过渡非常顺滑。提示刚开始用 Coder 不要怕写不好PsychoPy 的 Builder 生成的脚本本身就是很规范的教学材料多看几遍你会飞速上手。3. 用 Builder 搭一个完整的反应时实验以汉字 Stroop 任务为例理论说多了容易困直接上手一次最实际。这个例子用的是汉字 Stroop 任务——屏幕上显示红这个汉字但文字颜色是蓝被试要按颜色键而不是按字义键。这个实验可以用来训练注意控制和抑制能力在认知心理学里很经典。下面是用 Builder 一步步操作的完整流程。3.1 第一步定义实验条件表格在 PsychoPy 的 Builder 界面里实验条件conditions就是一个 .csv 文件。每一个 trial 的种类、颜色、正确按键都按行定义好PsychoPy 运行时会按行读取。我建了一个名为 colors.csv 的文件结构大致是cuecolorcorrectAns红redr红blueb蓝redr蓝bluebcue 是显示的中文词color 是文字颜色correctAns 是被试应该按的键。这个表的作用相当于给每个 trial 提前写好剧本实验运行时按剧本走避免脚本写死逻辑。3.2 第二步搭建每个 trial 的时间线一个标准的 Stroop trial 流程是注视点500ms→ 空屏200ms→ 刺激直到按键→ 反馈比如正确显示绿色对勾错误显示红色叉。在 Builder 中我要做的是从组件面板拖出四个组件依次排列Text 组件fixation显示持续时间设为 0.5 秒。Text 组件stimulus显示内容选 colors.csv 里的 cue颜色选 colors.csv 里的 color持续时间为空意味着等被试按键后立即结束。Keyboard 组件resp收集按键反应设置正确的按键键位存储反应时和按键结果。Text 组件feedback显示对错反馈时长 0.3 秒内容根据 resp 组件的判断结果动态显示。Builder 有一个循环Loop的概念我把这一个 trial 的组件包在一个循环里运行次数对应 colors.csv 的行数。在循环设置里还可以开启随机化让每一列的顺序随机打乱避免被试猜出规律。3.3 第三步设置刺激呈现与计时的关键参数这一步容易出错我说的不是操作问题而是对原理的理解。在 Builder 中刺激的呈现时间可以写死秒数如 0.5也可以留空表示持续到指定事件发生。而 Keyboard 组件的属性里有一个时间参数默认以刺激开始为基准计时。实际试过你就知道这里最值得注意的是同步概念。如果你希望在刺激出现的同一帧开始记录反应就要把 Keyboard 的 Start 时间和刺激的 Start 时间对齐否则会计算出偏差很大的反应时。我把参数抗细调后的实际效果是呈现刺激时屏幕的每一帧都会记录时间按键时系统读取的是最近一帧呈现刺激的时间作为刺激开始点而不是理论设计时间点。这就保证了反应时计算的是实际物理呈现的时间而不是想象中的时间。3.4 第四步跑起来和检查数据按下运行按钮先自己当一回被试完整跑完一遍确认文字在中间、颜色正确、反馈逻辑对。然后打开程序生成的数据文件默认是 .csv 格式里面会包含每一 trial 的 cue、color、correctAns、被试的实际按键以及反应时。第一次跑时我发现敲击空格键做反应没有反应检查发现是 Keyboard 组件的按键设置写成了 space 而不是 space 空格理顺后发现只是名字大小写和内容的问题调好了就正常。4. 时间精度、屏幕刷新率和同步背后的机制很多实验结果看起来乱七八糟不是被试不认真而是实验程序对时间的控制根本没到位。PsychoPy 最核心的地方恰恰就在这里。4.1 为什么不能用Sleep 0.3就完事写 Coder 时会有人图省事用 time.sleep(0.3) 控制刺激呈现时长。这在普通程序里没问题但实验软件不行。原因在于操作系统有后台调度sleep 的准确度受系统负载和后台进程影响误差可能到几毫秒甚至几十毫秒而且每次还不一样。PsychoPy 的权威做法是基于帧同步控制呈现。屏幕刷新率如果是 60Hz一帧的时间约 16.67ms任何刺激呈现持续时长都应取整帧倍数并且要在屏幕上开始绘制的那一刻记录状态。这在 Builder 里就是那个持续时间为 0.5 秒背后的逻辑——它会自动把时长换算成帧数在下一帧刷新时启动而不是简单 sleep。4.2 使用 FrameNbr 精确控制刺激呈现写 Coder 时我经常用 FrameNbr 来控制刺激呈现的帧数。比如这样from psychopy import visual, core, event win visual.Window([800, 600], fullscrFalse, monitortestMonitor, unitspix) stim visual.TextStim(win, text这是一个刺激, colorred) frame_nbr 0 while frame_nbr 30: # 持续30帧60Hz下正好0.5秒 stim.draw() win.flip() frame_nbr 1 for key in event.getKeys(): if key escape: win.close() core.quit()这里的 win.flip() 是真正的呈现瞬间它会把绘制好的内容放到屏幕上同时返回当前帧的时间戳。所有关键计时都基于 flip 返回的时间而不是循环里的估算时间。这样做出来的实验时间的可重复性和可比性都更高。4.3 同步外部设备给 EEG/功能磁共振成像打标记做认知神经科学实验时常常需要给事件打 trigger记录刺激呈现的精确毫秒级时间供后续同步 EEG 或功能磁共振成像数据。PsychoPy 操作起来非常直接常见做法是通过并行口或网络发送一个标记信号。在 Builder 中有一个 IO 设备组件可以设置串行口输出。在 Coder 里更灵活伪代码类似这样from psychopy import parallel port parallel.ParallelPort(address0x0378) # 在刺激出现的那一帧 port.setData(1) # 发送数值1 标记 win.flip() core.wait(0.01) port.setData(0) # 恢复有几个细节千万注意触发信号必须在win.flip() 之前或之后立即发送而不是在绘制内容时发因为 flip 才是真实呈现此外不同设备对触发信号的电平要求不同做之前最好用示波器看一下实际波形。我第一次做 EEG 实验时就是没注意打标记和 flip 的先后顺序结果事件延迟偏移了两个帧数据清洗时费了很大劲。5. Coder 模式实战随机化、动态 trial 与自定义反馈逻辑Builder 能覆盖八成实验场景但做复杂逻辑时必须进入 Coder。下面这段是我实际用过的代码骨架可以用来理解 Coder 的能力边界不至于两眼一抹黑。5.1 动态生成随机 trial 序列认知心理学里经常要保证同一类别刺激不连续出现太多次比如红字红了不能一直来。这种逻辑在 Builder 的循环设置里可以做但如果要按条件精确固化或匹配最好写在 Coder 里import random from psychopy import visual, core, event conditions [congruent, incongruent, neutral] trials [] # 生成5个block每个block 20个trial且保证每个条件数量均衡 for block in range(5): block_trials conditions * 7 # 每个条件7次 random.shuffle(block_trials) trials.extend(block_trials[:20])生成完序列之后循环里依次取用。随机化不是直接把所有条件完全打乱完事还要注意检查连续重复的问题。我一般会额外写一个小检查函数保证同类刺激连续不超过 3 次否则被试会发现规律影响实验效果。5.2 根据被试状态动态选择下一 trial有些实验需要在某一 trial 判断错误之后重复呈现相同刺激或者在练习阶段根据正确率决定是否进入正式实验。Builder 里实现比较绕Coder 里写起来非常自然trial_idx 0 while trial_idx len(trials): cond trials[trial_idx] # 呈现刺激... # 获取按键判断对错 if is_correct and cond 练习: trial_idx 1 # 正确进入下一个 elif cond 练习: # 错误就重复当前 trial continue else: trial_idx 1这种逻辑的优点是代码一眼能看懂而且不容易改坏。用户之间传递实验脚本时可读性就是可复制性。5.3 数据存储不是随便 print 一下就行实验结束时的数据保存是很多人容易轻敌的环节。用 Coder 直接写文件时我吃过亏一次性写入大量 trial 数据中间一旦出错崩溃前面数据全部丢失。后来我改成每条 trial 结束就 append 写入一行把数据始终留在硬盘上import csv with open(data.csv, w, newline) as f: writer csv.writer(f) writer.writerow([trial_n, condition, color, correct, rt]) for n, trial_data in enumerate(all_trials): # 这里按 trial_data 取数 writer.writerow([n, trial_data[cond], trial_data[color], trial_data[correct], trial_data[rt]])Builder 模式下已经做了类似机制数据会自动生成但如果自己写 Coder这个小习惯能帮你避免跑到第80个被试数据全没了的惨剧。5.4 编译语言和库的调用Coder 的本质就是 Python意味着你可以任意导入第三方库。我在实际研究中用过 pandas 整理问卷数据用 json 读配置用 pylink 连接眼动仪用 numpy 做反应时清洗。这种自由度是 E-Prime 望尘莫及的。6. 踩坑清单屏幕刷新率、中文显示、在线实验和数据格式兼容最后一部分很有必要全是真实环境下反复出现的痛点如果你能提前避开能省下大量重复测试的时间。6.1 屏幕刷新率对实验结果的影响刺激呈现的最低时间精度由屏幕刷新率决定。60Hz 的屏幕单帧约 16.7ms再好看的实验设计也没法呈现 5ms 的刺激。如果你做快速视觉呈现或 mask 范式就得考虑 120Hz 或更高刷新率的显示器并在实验前确认显示器的实际刷新率。PsychoPy 里可以用win.getActualFrameRate()查看真实运行帧率这个值和你系统设置里的标称刷新率不一定完全相同。显示器驱动、线材、系统缩放都可能影响实际值。我建议实验前至少跑一个 50 trial 的测试记录实际呈现帧率如果起伏超过 1 帧就要排查原因。6.2 中文刺激显示的坑PsychoPy 默认字体可能无法正确渲染中文屏幕上会出现口口这样的乱码方框。解决办法是指定一个支持中文的字体比如微软雅黑或宋体stim visual.TextStim(win, text红, fontMicrosoft YaHei, colorblue)在 Builder 的 Text 组件属性里同样有字体font选项可以直接填。还有个隐藏坑中文逗号、中文括号在某些刺激类型下会引发对齐问题尽量统一用全角标点并做视觉预览。6.3 在线实验与本地实验的差距PsychoPy 除了桌面端也可以通过 Pavlovia 平台发布在线实验。优点是被试可以远程参与方便收集大样本缺点也突出——浏览器环境的时间控制远不如本地精确帧率不稳定操作系统和浏览器差异会引入额外误差。如果研究核心是毫秒级反应时我建议始终优先本地实验。如果做问卷调查、简单分类任务在线实验无论是成本还是效率都好很多。不要拿在线数据直接替代本地行为实验数据结论须谨慎。6.4 数据格式兼容性与后续分析Builder 默认输出 .csv 文件里面字段多到让人懵有循环信息、时间戳、组件数据等。刚开始我被一长串列名吓到过。有一个比较实用的习惯在实验程序里写一点自定义代码把要用的关键列单独挑出来另存为一个简洁版数据文件方便后续用 SPSS、R 或 Python 分析。顺便说一句PsychoPy 数据的时间戳采用的是秒单位反应时存储在 resp.rt 这类列下注意单位别把秒当成毫秒处理。7. 从个体实验到研究流程我现在的固定习惯实验前我会固定做这几件事先跑 10 个模拟 trial 确认流程通顺再跑 20 个小样本测试记录实际帧率正式实验前随机挑一名被试做完整预实验检查数据格式最后每次实验结束立刻备份数据文件双硬盘加网盘各存一份。这个习惯养成的起因是老实验室的数据盘突然坏了损失了学生辛苦收集一周的行为数据。从那以后我把数据备份当成实验流程的一部分而不是收尾时再说。用 PsychoPy 这些年我最深的体会是真正提高实验效率的不是某个炫酷功能而是你对软件底层逻辑的理解和每个细节的严谨验证。它给你提供了极强的弹性你越理解它的机制就越能做出稳定、可靠、可发表的实验程序。如果你刚开始用建议先把 Builder 搞熟跑通一个自己的经典范式再去接触 Coder。这条路走通之后心理学和神经科学实验的大门基本上就彻底向你敞开了。本文还有配套的精品资源点击获取