Numpy庫
Numpy（Numerical Python的縮寫）是一個開源的Python庫，用于進行科學計算。它提供了一個高性能的多維數組對象（ndarray）及用于處理這些數組的各種工具和函數。由于其高效和靈活的數據結構以及豐富的功能，Numpy已成為Python科學計算的基礎庫，廣泛應用于數據分析、機器學習、工程仿真等領域。
Numpy的主要特點包括：
高性能的多維數組支持：Numpy的核心是多維數組對象（ndarray），它提供了統一的接口來進行快速的數組計算。與Python原生的列表相比，Numpy的數組在性能上有顯著的優勢，尤其是在處理大數據時。
廣泛的數學函數庫：Numpy提供了大量的數學函數，包括線性代數運算、傅里葉變換、隨機數生成等，這使得進行科學計算變得非常便捷。
數組廣播功能：Numpy可以讓不同大小的數組在一起進行數學計算時非常方便，通過其廣播機制，小數組會在算術運算中自動擴展到與大數組相同的大小，這使得數組間的運算表達更加直觀。
高效的內存使用：Numpy的數組使用連續內存塊，這不僅有利于減少內存使用，還能提升計算性能。此外，Numpy還提供了內存映射功能，允許處理超過內存大小的數據集。
與其他語言的接口：Numpy可以很容易地與C、C++等語言集成，這允許在性能關鍵的應用中使用這些語言編寫核心算法，同時保持Python的易用性。
Numpy是許多高級科學計算庫的基礎，包括Pandas（數據分析庫）、Matplotlib（繪圖庫）、Scikit-learn（機器學習庫）等，幾乎成為了進行科學計算和數據分析的Python開發的必備庫。
快速入門題
- 創建一個從1到80，步長為4的一維數組A，并將其變成一個4*5的二維數組，輸出A的轉置
import numpy as np
A=np.arange(1,80,4) #A=np.arange(1,80)[::4]
A=A.reshape(4,5)
print(A.T)2. 隨機生成a,b兩個數組，其中a.shape: (4, 1) b.shape: (3,) 計算a+b,a*b,a/b
import numpy as np
a=np.random.randint(1,11,(4,1))
b=np.random.randint(1,11,(3,))
print(a+b)
print(a*b)
print(a/b)3. 創建一個shape為5*3的隨機矩陣A,打印出A中最大元素和最小元素,平均值，并計算每一行的和
import numpy as np
A=np.random.randint(0,40,(5,3))
print(A)
print(A.max())
print(A.min())
print(A.mean())
for i in A:print(i.sum())4. 創建兩個3*3的(0,5)之間的隨機數組a和b,對a,b進行水平合并后得到數組c,對c使用Min-Max 標準化算法對數據進行標準化處理并輸出結果
import numpy as np
a=np.random.randint(0,5,(3,3))
b=np.random.randint(0,5,(3,3))
c=np.hstack((a,b)) def minmax(a, axis=None):a_min = np.min(a, axis=axis, keepdims=True)a_max = np.max(a, axis=axis, keepdims=True)return (a - a_min)/(a_max - a_min)print(minmax(c))5. 打印出以下數組（要求使用np.ones創建形狀為8*8的矩陣）：
[[1 0 1 0 1 0 1 0]
[0 1 0 1 0 1 0 1]
[1 0 1 0 1 0 1 0]
[0 1 0 1 0 1 0 1]
[1 0 1 0 1 0 1 0]
[0 1 0 1 0 1 0 1]
[1 0 1 0 1 0 1 0]
[0 1 0 1 0 1 0 1]]
import numpy as np
a=np.ones((8,8),dtype=np.int8)
a[::2,1::2]=0
a[1::2,::2]=0
print(a)#[1::2, ::2]: 是對數組a的切片操作，用于選擇數組中的特定元素。
#1::2 表示從第1個索引開始（注意，在Python中索引是從0開始的），每隔一個元素選擇一次，直到數組的最后一個元素。這是對數組的第一個維度（通常是行）的操作。
#::2 表示從第0個索引開始，每隔一個元素選擇一次，直到該維度的最后一個元素。這是對數組的第二個維度（通常是列）的操作
6. 使用numpy創建下列數組[1,1,2,3,4,5,6,1,1,6],找出數組中1元素的位置索引并輸出索引（使用兩種方法）。
import numpy as np
a=np.array([1,1,2,3,4,5,6,1,1,6])
#way1
b=[]
for i in range(len(a)):if a[i]==1:b.append(i)
print(b)
#way2
print(list(np.where(a==1)[0]))7. 使用numpy創建一維數組A,對A里面的數據進行去重得到B,使用numpy創建形狀與B相同的隨機數組C,自定義ufunc函數計算B和C的和（使用numpy.frompyfunc）
A為[4,4,1,2,3,4,5,7,9,1,1],數組C的數據范圍在(0,5)之間
import numpy as np
A=np.array([4,4,1,2,3,4,5,7,9,1,1])
B=np.unique(A) #進行去重
print(B.shape) #(7,)
C=np.random.randint(0,5,(7,))
print(B)
print(C)
def add_elements(x, y):return x + y
add_them = np.frompyfunc(add_elements, 2, 1)
print(add_them(B,C))8．用numpy編程創建國際象棋盤，填充8*8矩陣，棋盤是正方形，由橫縱各八格，顏色一深一淺交錯排列的64個小正方格組成，深色為黑格（為0），淺色為白格（為1），如下圖所示。
并輸出國際象棋盤對應的矩陣
import numpy as np
matr1=np.ones((8,8))
for i in range(8):for j in range(8):if(i+j)%2==0:matr1[i,j]=0
print('國際棋盤對應的矩陣為：\n',matr1)
for i in range(0,8):for j in range(0,8):if matr1[i,j]==0:print("□",end=' ')else:print("■", end=' ')print('\n')9. 創建一個大小3*3,(-1,1)值之間隨機數組A, 對A的后兩行進行交換,輸出A中非0元素的值,將A中非0元素替換成0。
import numpy as np
A=np.random.uniform(-1,1,(3,3))
print(A)
A[[1,2]]=A[[2,1]]
print(A)
B=np.where(A<0)
print(A[B])
for i in range(A.shape[0]):for j in range(A.shape[1]):if A[i][j]<0:A[i][j]=0
print(A)10.使用Numpy數組實現生命游戲
生命游戲，簡稱為生命，是英國數學家約翰·何頓·康威在1970年發明的細胞自動機。
給定一個包含 m × n 個格子的面板，每一個格子都可以看成是一個細胞。每個細胞具有一個初始狀態 live（1）即為活細胞， 或 dead（0）即為死細胞。每個細胞與其八個相鄰位置（水平，垂直，對角線）的細胞都遵循以下四條生存定律：
- 如果活細胞周圍八個位置的活細胞數少于兩個，則該位置活細胞死亡；
- 如果活細胞周圍八個位置有兩個或三個活細胞，則該位置活細胞仍然存活；
- 如果活細胞周圍八個位置有超過三個活細胞，則該位置活細胞死亡；
- 如果死細胞周圍正好有三個活細胞，則該位置死細胞復活
import numpy as np
def iterate(Z):#鄰居N = (Z[0:-2,0:-2] + Z[0:-2,1:-1] + Z[0:-2,2:] +Z[1:-1,0:-2] + Z[1:-1,2:] +Z[2: ,0:-2] + Z[2: ,1:-1] + Z[2: ,2:])#規則birth = (N==3) & (Z[1:-1,1:-1]==0)survive = ((N==2) | (N==3)) & (Z[1:-1,1:-1]==1)Z[...] = 0Z[1:-1,1:-1][birth | survive] = 1return Z
Z = np.random.randint(0,2,(50,50))
for i in range(100): Z = iterate(Z)
print(Z)
)
（九）)
)
