NumPy 初学者指南中文第三版：11~14

原文：NumPy: Beginner’s Guide - Third Edition

协议：CC BY-NC-SA 4.0

译者：飞龙

十一、玩转 Pygame

本章适用于希望使用 NumPy 和 Pygame 快速轻松创建游戏的开发人员。 基本的游戏开发经验会有所帮助，但这不是必需的。

您将学到的东西如下：

• pygame 基础
• matplotlib 集成
• 表面像素数组
• 人工智能
• 动画
• OpenGL

Pygame

Pygame 是 Python 框架，最初由 Pete Shinners 编写， 顾名思义，可用于制作视频游戏。 自 2004 年以来，Pygame 是免费的开放源代码，并获得 GPL 许可，这意味着您基本上可以制作任何类型的游戏。 Pygame 构建在简单 DirectMedia 层（SDL）。 SDL 是一个 C 框架，可以访问各种操作系统（包括 Linux，MacOSX 和 Windows）上的图形，声音，键盘和其他输入设备。

实战时间 – 安装 Pygame

我们将在本节中安装 Pygame。 Pygame 应该与所有 Python 版本兼容。 在撰写时，Python3 存在一些不兼容问题，但很可能很快就会解决。

• 在 Debian 和 Ubuntu 上安装：Pygame 可以在 Debian 档案文件中找到。
  
• 在 Windows 上安装：从 Pygame 网站下载适用于您正在使用的版本的 Python 的二进制安装程序。
  
• 在 Mac 上安装 Pygame：适用于 MacOSX 10.3 及更高版本的二进制 Pygame 包可在这个页面中找到。
  
• 从源代码安装：Pygame 使用distutils系统进行编译和安装。 要开始使用默认选项安装 Pygame，只需运行以下命令：

$ python setup.py

• 如果您需要有关可用选项的更多信息，请键入以下内容：

$ python setup.py help

• 要编译代码，您的操作系统需要一个编译器。 进行设置超出了本书的范围。 有关在 Windows 上编译 Pygame 的更多信息，可以在这个页面上找到。 有关在 MacOSX 上编译 Pygame 的更多信息，请参考这里。
  

HelloWorld

我们将创建一个简单的游戏，在本章中我们将进一步改进 。 与编程书籍中的传统方法一样，我们从Hello World!示例开始。

实战时间 – 创建一个简单的游戏

重要的是要注意所谓的主游戏循环，在该循环中所有动作都会发生，并使用Font模块渲染文本。 在此程序中，我们将操纵用于绘制的 Pygame Surface对象，并处理退出事件。

1. 首先，导入所需的 Pygame 模块。 如果正确安装了 Pygame，则不会出现任何错误，否则请返回安装“实战时间”：

import pygame, sys
from pygame.locals import *

1. 初始化 Pygame，按300像素创建400的显示，并将窗口标题设置为Hello world!：

pygame.init()
screen = pygame.display.set_mode((400, 300))
pygame.display.set_caption('Hello World!')

1. 游戏通常会有一个游戏循环，该循环将一直运行直到发生退出事件为止。 在此示例中，仅在坐标(100, 100)上设置带有文本Hello world!的标签。 文字的字体大小为 19，颜色为红色：

while True: 
   sysFont = pygame.font.SysFont("None", 19)
   rendered = sysFont.render('Hello World', 0, (255, 100, 100))
   screen.blit(rendered, (100, 100))
   for event in pygame.event.get():
      if event.type == QUIT:
         pygame.quit()
         sys.exit()
   pygame.display.update()

1. 我们得到以下屏幕截图作为最终结果：
   
   以下是 HelloWorld 的完整代码示例：

import pygame, sys
from pygame.locals import *
pygame.init()
screen = pygame.display.set_mode((400, 300))
pygame.display.set_caption('Hello World!')
while True: 
   sysFont = pygame.font.SysFont("None", 19)
   rendered = sysFont.render('Hello World', 0, (255, 100, 100))
   screen.blit(rendered, (100, 100))
   for event in pygame.event.get():
      if event.type == QUIT:
         pygame.quit()
         sys.exit()
   pygame.display.update()

刚刚发生了什么？

看起来似乎不多，但是我们在本节中学到了很多东西。 下表总结了通过审查的函数：

动画

大多数游戏，甚至是最静态的游戏，都有一定程度的动画效果。 从程序员的角度来看，动画就是 ，无非就是在不同的时间在不同的位置显示对象，从而模拟运动。

Pygame 提供了一个Clock对象，该对象管理每秒绘制多少帧。 这样可以确保动画与用户 CPU 的速度无关。

实战时间 – 使用 NumPy 和 Pygame 为对象设置动画

我们将加载图像，然后再次使用 NumPy 定义屏幕周围的顺时针路径。

1. 创建一个 Pygame 时钟，如下所示：

clock = pygame.time.Clock()

1. 作为本书随附的源代码的一部分，应该有一张头像。 加载此图像并在屏幕上四处移动：

img = pygame.image.load('head.jpg')

1. 定义一些数组来保存位置的坐标，我们希望在动画过程中将图像放置在这些位置。 由于我们将移动对象，因此路径有四个逻辑部分：right，down，left和up。 每个部分将具有40等距步长。 将0部分中的所有值初始化：

steps = np.linspace(20, 360, 40).astype(int)
right = np.zeros((2, len(steps)))
down = np.zeros((2, len(steps)))
left = np.zeros((2, len(steps)))
up = np.zeros((2, len(steps)))

1. 设置图像位置的坐标很简单。 但是，需要注意一个棘手的问题-[::-1]表示法会导致数组元素的顺序颠倒：

right[0] = steps
right[1] = 20
down[0] = 360
down[1] = steps
left[0] = steps[::-1]
left[1] = 360
up[0] = 20
up[1] = steps[::-1]

1. 我们可以加入路径部分，但是在执行此操作之前，请使用T运算符转置数组，因为它们未正确对齐以进行连接：

pos = np.concatenate((right.T, down.T, left.T, up.T))

1. 在主事件循环中，让时钟以每秒 30 帧的速度计时：

clock.tick(30)

1. 摇头的屏幕截图如下：
   
   您应该能够观看此动画的电影。 它也是代码包（animation.mp4）的一部分。
   此示例的代码几乎使用了到目前为止我们学到的所有内容，但仍应足够简单以了解：

import pygame, sys
from pygame.locals import *
import numpy as np
pygame.init()
clock = pygame.time.Clock()
screen = pygame.display.set_mode((400, 400))
pygame.display.set_caption('Animating Objects')
img = pygame.image.load('head.jpg')
steps = np.linspace(20, 360, 40).astype(int)
right = np.zeros((2, len(steps)))
down = np.zeros((2, len(steps)))
left = np.zeros((2, len(steps)))
up = np.zeros((2, len(steps)))
right[0] = steps
right[1] = 20
down[0] = 360
down[1] = steps
left[0] = steps[::-1]
left[1] = 360
up[0] = 20
up[1] = steps[::-1]
pos = np.concatenate((right.T, down.T, left.T, up.T))
i = 0
while True: 
   # Erase screen
   screen.fill((255, 255, 255))
   if i >= len(pos):
      i = 0
   screen.blit(img, pos[i])
   i += 1
   for event in pygame.event.get():
      if event.type == QUIT:
         pygame.quit()
         sys.exit()
   pygame.display.update()
   clock.tick(30)

刚刚发生了什么？

在本节中，我们了解了一些有关动画的知识。 我们了解到的最重要的概念是时钟。 下表描述了我们使用的新函数：

matplotlib

matplotlib是一个易于绘制的开源库，我们在第 9 章，“matplotlib 绘图”中了解到。 我们可以将 matplotlib 集成到 Pygame 游戏中并创建各种绘图。

实战时间 – 在 Pygame 中使用 matplotlib

在本秘籍中，我们采用上一节的位置坐标，并对其进行绘制。

1. 要将 matplotlib 与 Pygame 集成，我们需要使用非交互式后端； 否则，默认情况下，matplotlib 将为我们提供一个 GUI 窗口。 我们将导入主要的 matplotlib 模块并调用use()函数。 在导入主 matplotlib 模块之后以及在导入其他 matplotlib 模块之前，立即调用此函数：

import matplotlib as mpl
mpl.use("Agg")

1. 我们可以在 matplotlib 画布上绘制非交互式绘图。 创建此画布需要导入，创建图形和子图。 将数字指定为3乘3英寸大。 在此秘籍的末尾可以找到更多详细信息：

import matplotlib.pyplot as plt
import matplotlib.backends.backend_agg as agg
fig = plt.figure(figsize=[3, 3])
ax = fig.add_subplot(111)
canvas = agg.FigureCanvasAgg(fig)

1. 在非交互模式下，绘制数据比在默认模式下复杂一些。 由于我们需要重复绘图，因此在函数中组织绘图代码是有意义的。 Pygame 最终在画布上绘制了绘图。 画布为我们的设置增加了一些复杂性。 在此示例的末尾，您可以找到有关这些函数的更多详细说明：

def plot(data):
   ax.plot(data)
   canvas.draw()
   renderer = canvas.get_renderer()
   raw_data = renderer.tostring_rgb()
   size = canvas.get_width_height()
   return pygame.image.fromstring(raw_data, size, "RGB")

1. 下面的屏幕截图显示了正在运行的动画。 您还可以在代码包（matplotlib.mp4）和 YouTube 上查看截屏视频。
   
   更改后，我们将获得以下代码：

import pygame, sys
from pygame.locals import *
import numpy as np
import matplotlib as mpl
mpl.use("Agg")
import matplotlib.pyplot as plt
import matplotlib.backends.backend_agg as agg
fig = plt.figure(figsize=[3, 3])
ax = fig.add_subplot(111)
canvas = agg.FigureCanvasAgg(fig)
def plot(data):
   ax.plot(data)
   canvas.draw()
   renderer = canvas.get_renderer()
   raw_data = renderer.tostring_rgb()
   size = canvas.get_width_height()
   return pygame.image.fromstring(raw_data, size, "RGB")
pygame.init()
clock = pygame.time.Clock()
screen = pygame.display.set_mode((400, 400))
pygame.display.set_caption('Animating Objects')
img = pygame.image.load('head.jpg')
steps = np.linspace(20, 360, 40).astype(int)
right = np.zeros((2, len(steps)))
down = np.zeros((2, len(steps)))
left = np.zeros((2, len(steps)))
up = np.zeros((2, len(steps)))
right[0] = steps
right[1] = 20
down[0] = 360
down[1] = steps
left[0] = steps[::-1]
left[1] = 360
up[0] = 20
up[1] = steps[::-1]
pos = np.concatenate((right.T, down.T, left.T, up.T))
i = 0
history = np.array([])
surf = plot(history)
while True: 
   # Erase screen
   screen.fill((255, 255, 255))
   if i >= len(pos):
      i = 0
      surf = plot(history)
   screen.blit(img, pos[i])
   history = np.append(history, pos[i])
   screen.blit(surf, (100, 100))
   i += 1
   for event in pygame.event.get():
      if event.type == QUIT:
         pygame.quit()
         sys.exit()
   pygame.display.update()
   clock.tick(30)

刚刚发生了什么？

下表解释了绘图相关函数：

表面像素

Pygame surfarray模块处理 Pygame Surface对象与 NumPy 数组之间的转换 。 您可能还记得，NumPy 可以快速有效地处理大型数组。

实战时间 – 用 NumPy 访问表面像素数据

在本节中，我们将平铺一个小图像以填充游戏屏幕。

1. array2d()函数将像素复制到二维数组中（对于三维数组也有类似的功能）。 将头像图像中的像素复制到数组中：

pixels = pygame.surfarray.array2d(img)

1. 使用数组的shape属性从像素数组的形状创建游戏屏幕。 在两个方向上将屏幕放大七倍：

X = pixels.shape[0] * 7
Y = pixels.shape[1] * 7
screen = pygame.display.set_mode((X, Y))

1. 使用 NumPy tile()函数可以轻松平铺图像。 数据需要转换为整数值，因为 Pygame 将颜色定义为整数：

new_pixels = np.tile(pixels, (7, 7)).astype(int)

1. surfarray模块具有特殊函数blit_array()在屏幕上显示数组：

pygame.surfarray.blit_array(screen, new_pixels)

1. 
   以下代码执行图像的平铺：

import pygame, sys
from pygame.locals import *
import numpy as np
pygame.init()
img = pygame.image.load('head.jpg')
pixels = pygame.surfarray.array2d(img)
X = pixels.shape[0] * 7
Y = pixels.shape[1] * 7
screen = pygame.display.set_mode((X, Y))
pygame.display.set_caption('Surfarray Demo')
new_pixels = np.tile(pixels, (7, 7)).astype(int)
while True: 
   screen.fill((255, 255, 255))
   pygame.surfarray.blit_array(screen, new_pixels)
   for event in pygame.event.get():
      if event.type == QUIT:
         pygame.quit()
         sys.exit()
   pygame.display.update()

刚刚发生了什么？

以下是我们使用的新函数和属性的简要说明：

人工智能

通常，我们需要模仿游戏中的智能行为。 scikit-learn项目旨在提供一种用于机器学习的 API，而我最喜欢的是其精美的文档。 我们可以使用操作系统的包管理器来安装scikit-learn，尽管此选项可能有效或无效，具体取决于您的操作系统，但这应该是最方便的方法。 Windows 用户只需从项目网站下载安装程序即可。 在 Debian 和 Ubuntu 上，该项目称为python-sklearn。 在 MacPorts 上，这些端口称为py26-scikits-learn和py27-scikits-learn。 我们也可以从源代码或使用easy_install安装。 PythonXY， Enthought 和 NetBSD。

我们可以通过在命令行中键入来安装scikit-learn：

$ [sudo] pip install -U scikit-learn

我们也可以键入以下内容而不是前一行：

$ [sudo] easy_install -U scikit-learn

由于权限的原因，这可能无法正常工作，因此您可能需要在命令前面放置sudo或以管理员身份登录。

实战时间 – 点的聚类

我们将生成一些随机点并将它们聚类，这意味着彼此靠近的点将放入同一簇中。 这只是scikit-learn可以应用的许多技术之一。聚类是一种机器学习算法，旨在基于相似度对项目进行分组。 接下来，我们将计算平方亲和矩阵。亲和度矩阵是包含亲和度值的矩阵：例如，点之间的距离。 最后，我们将这些点与[HTG2]中的AffinityPropagation类聚类。

1. 在400 x 400像素的正方形内生成 30 个随机点位置：

positions = np.random.randint(0, 400, size=(30, 2))

1. 使用到原点的欧式距离作为亲和度度量来计算亲和度矩阵：

positions_norms = np.sum(positions ** 2, axis=1)
S = - positions_norms[:, np.newaxis] - positions_norms[np.newaxis, :] + 2 * np.dot(positions, positions.T)

1. 给AffinityPropagation类上一步的结果。 此类使用适当的群集编号标记点：

aff_pro = sklearn.cluster.AffinityPropagation().fit(S)
labels = aff_pro.labels_

1. 为每个群集绘制多边形。 涉及的函数需要点列表，颜色（将其绘制为红色）和表面：

pygame.draw.polygon(screen, (255, 0, 0), polygon_points[i])

1. 结果是每个群集的一堆多边形，如下图所示：
   
   群集示例代码如下：

import numpy as np
import sklearn.cluster
import pygame, sys
from pygame.locals import *
np.random.seed(42)
positions = np.random.randint(0, 400, size=(30, 2))
positions_norms = np.sum(positions ** 2, axis=1)
S = - positions_norms[:, np.newaxis] - positions_norms[np.newaxis, :] + 2 * np.dot(positions, positions.T)
aff_pro = sklearn.cluster.AffinityPropagation().fit(S)
labels = aff_pro.labels_
polygon_points = []
for i in xrange(max(labels) + 1):
   polygon_points.append([])
# Sorting points by cluster
for label, position in zip(labels, positions):
   polygon_points[labels[i]].append(positions[i])
pygame.init()
screen = pygame.display.set_mode((400, 400))
while True: 
   for point in polygon_points:
      pygame.draw.polygon(screen, (255, 0, 0), point)
   for event in pygame.event.get():
      if event.type == QUIT:
         pygame.quit()
         sys.exit()
   pygame.display.update()

刚刚发生了什么？

下表更详细地描述了人工智能示例中最重要的行 ：

OpenGL 和 Pygame

OpenGL 为二维和三维计算机图形指定了 API。 API 由函数和常量组成。 我们将专注于名为PyOpenGL的 Python 实现。 使用以下命令安装PyOpenGL：

$ [sudo] pip install PyOpenGL PyOpenGL_accelerate

您可能需要具有 root 访问权限才能执行此命令。 对应于easy_install的命令如下：

$ [sudo] easy_install PyOpenGL PyOpenGL_accelerate

实战时间 – 绘制 Sierpinski 地毯

为了演示的目的，我们将使用 OpenGL 绘制一个 Sierpinski 地毯，也称为 Sierpinski 三角形或 Sierpinski 筛子。 这是由数学家 Waclaw Sierpinski 创建的三角形形状的分形图案。 三角形是通过递归且原则上是无限的过程获得的。

1. 首先，首先初始化一些与 OpenGL 相关的原语。 这包括设置显示模式和背景颜色。 本节末尾提供逐行说明：

def display_openGL(w, h):
  pygame.display.set_mode((w,h), pygame.OPENGL|pygame.DOUBLEBUF)
  glClearColor(0.0, 0.0, 0.0, 1.0)
  glClear(GL_COLOR_BUFFER_BIT|GL_DEPTH_BUFFER_BIT)
  gluOrtho2D(0, w, 0, h)

1. 该算法要求我们显示点，越多越好。 首先，我们将绘图颜色设置为红色。 其次，我们定义一个三角形的顶点（我称它们为点）。 然后，我们定义随机索引，该随机索引将用于选择三个三角形顶点之一。 我们在中间的某个地方随机选择一个点，实际上并不重要。 之后，在上一个点和随机选取的一个顶点之间的一半处绘制点。 最后，刷新结果：

glColor3f(1.0, 0, 0)
    vertices = np.array([[0, 0], [DIM/2, DIM], [DIM, 0]])
    NPOINTS = 9000
    indices = np.random.random_integers(0, 2, NPOINTS)
    point = [175.0, 150.0]
    for i in xrange(NPOINTS):
       glBegin(GL_POINTS)
       point = (point + vertices[indices[i]])/2.0
       glVertex2fv(point)
       glEnd()
    glFlush()

1. Sierpinski 三角形如下所示：
   
   带有所有导入的完整 Sierpinski 垫圈演示代码如下：

import pygame
from pygame.locals import *
import numpy as np
from OpenGL.GL import *
from OpenGL.GLU import *
def display_openGL(w, h):
  pygame.display.set_mode((w,h), pygame.OPENGL|pygame.DOUBLEBUF)
  glClearColor(0.0, 0.0, 0.0, 1.0)
  glClear(GL_COLOR_BUFFER_BIT|GL_DEPTH_BUFFER_BIT)
  gluOrtho2D(0, w, 0, h)
def main():
    pygame.init()
    pygame.display.set_caption('OpenGL Demo')
    DIM = 400
    display_openGL(DIM, DIM)
    glColor3f(1.0, 0, 0)
    vertices = np.array([[0, 0], [DIM/2, DIM], [DIM, 0]])
    NPOINTS = 9000
    indices = np.random.random_integers(0, 2, NPOINTS)
    point = [175.0, 150.0]
    for i in xrange(NPOINTS):
       glBegin(GL_POINTS)
       point = (point + vertices[indices[i]])/2.0
       glVertex2fv(point)
       glEnd()
    glFlush()
    pygame.display.flip()
    while True:
        for event in pygame.event.get():
            if event.type == QUIT:
                return
if __name__ == '__main__':
  main()

刚刚发生了什么？

如所承诺的，以下是该示例最重要部分的逐行说明：

使用 Pygame 的模拟游戏

作为最后一个示例，我们将使用 Conway 的生命游戏模拟生命。 最初的生命游戏是基于一些基本规则。 我们从二维正方形网格上的随机配置开始。 网格中的每个单元可以是死的或活着的。 此状态取决于小区的邻居。 您可以在这个页面上详细了解规则。在每个时间步上，都会发生以下转换：

1. 少于两个活邻居的活细胞死亡。
2. 具有两个或三个活邻居的活细胞可以存活到下一代。
3. 具有三个以上活邻居的活细胞死亡。
4. 具有恰好三个活邻居的死细胞会成为活细胞。

卷积可用于求值游戏的基本规则。 卷积过程需要 SciPy 包。

实战时间 – 模拟生命

以下代码是生命游戏的实现 ，并进行了一些修改：

• 用鼠标单击一次会画一个十字，直到我们再次单击
• r键可将网格重置为随机状态
• b键根据鼠标位置创建块
• g键创建滑翔机

代码中最重要的数据结构是一个二维数组，其中包含游戏屏幕上像素的颜色值。 该数组用随机值初始化，然后针对游戏循环的每次迭代重新计算。 在下一部分中找到有关所涉及函数的更多信息。

1. 要求值规则，请使用卷积，如下所示：

def get_pixar(arr, weights):
  states = ndimage.convolve(arr, weights, mode='wrap')
  bools = (states == 13) | (states == 12 ) | (states == 3)
  return bools.astype(int)

1. 使用我们在第 2 章，“从 NumPy 基础知识开始”中学习的基本索引技巧来画十字：

def draw_cross(pixar):
   (posx, posy) = pygame.mouse.get_pos()
   pixar[posx, :] = 1
   pixar[:, posy] = 1

1. 用随机值初始化网格：

def random_init(n):
   return np.random.random_integers(0, 1, (n, n))

1. 以下是完整的代码：

from __future__ import print_function
import os, pygame
from pygame.locals import *
import numpy as np
from scipy import ndimage
def get_pixar(arr, weights):
  states = ndimage.convolve(arr, weights, mode='wrap')
  bools = (states == 13) | (states == 12 ) | (states == 3)
  return bools.astype(int)
def draw_cross(pixar):
   (posx, posy) = pygame.mouse.get_pos()
   pixar[posx, :] = 1
   pixar[:, posy] = 1
def random_init(n):
   return np.random.random_integers(0, 1, (n, n))
def draw_pattern(pixar, pattern):
     print(pattern)
     if pattern == 'glider':
      coords = [(0,1), (1,2), (2,0), (2,1), (2,2)]
     elif pattern == 'block':
      coords = [(3,3), (3,2), (2,3), (2,2)]
     elif pattern == 'exploder':
      coords = [(0,1), (1,2), (2,0), (2,1), (2,2), (3,3)]
     elif pattern == 'fpentomino':
      coords = [(2,3),(3,2),(4,2),(3,3),(3,4)]
     pos = pygame.mouse.get_pos()
     xs = np.arange(0, pos[0], 10)
     ys = np.arange(0, pos[1], 10)
     for x in xs:
        for y in ys:
           for i, j in coords:
               pixar[x + i, y + j] = 1
def main():
    pygame.init ()
    N = 400
    pygame.display.set_mode((N, N))
    pygame.display.set_caption("Life Demo")
    screen = pygame.display.get_surface()
    pixar = random_init(N)
    weights = np.array([[1,1,1], [1,10,1], [1,1,1]])
    cross_on = False
    while True:
       pixar = get_pixar(pixar, weights)
       if cross_on:
          draw_cross(pixar)
       pygame.surfarray.blit_array(screen, pixar * 255 ** 3)
       pygame.display.flip()
       for event in pygame.event.get():
         if event.type == QUIT:
             return
         if event.type == MOUSEBUTTONDOWN:
            cross_on = not cross_on
         if event.type == KEYDOWN:
            if event.key == ord('r'):
               pixar = random_init(N)
               print("Random init")
            if event.key == ord('g'):
               draw_pattern(pixar, 'glider')
            if event.key == ord('b'):
               draw_pattern(pixar, 'block')
            if event.key == ord('e'):
               draw_pattern(pixar, 'exploder')
            if event.key == ord('f'):
               draw_pattern(pixar, 'fpentomino')
if __name__ == '__main__':
    main()

1. 您应该能够从代码包（life.mp4）或 YouTube 上观看截屏视频。 正在运行的游戏的屏幕截图如下：
   

刚刚发生了什么？

我们使用了一些 NumPy 和 SciPy 函数，这些函数需要说明：

总结

您可能会发现本书中提到 Pygame 有点奇怪。 但是，阅读本章后，我希望您意识到 NumPy 和 Pygame 可以很好地结合在一起。 毕竟，游戏涉及大量计算，因此 NumPy 和 SciPy 是理想的选择，并且它们还需要scikit-learn中提供的人工智能功能。 无论如何，制作游戏都很有趣，我们希望最后一章相当于十道菜后的精美甜点或咖啡！ 如果您仍然渴望更多，请查看《NumPy Cookbook 第二版》， Ivan Idris，Packt Publishing，在本书的基础上以最小的重叠为基础。

附录 A：小测验答案

第 1 章，NumPy 快速入门

小测验 – arange()函数的功能

第 2 章，从 NumPy 基本原理开始

小测验 – ndarray的形状

第 3 章，熟悉常用函数

小测验 - 计算加权平均值

第 4 章，为您带来便利的便利函数

小测验 - 计算协方差

第 5 章，使用矩阵和ufunc

小测验 – 使用字符串定义矩阵

第 6 章，深入探索 NumPy 模块

小测验 - 创建矩阵

第 7 章，探索特殊例程

小测验 - 生成随机数

第 8 章，通过测试确保质量

小测验 - 指定小数精度

第 9 章，matplotlib 绘图

小测验 – plot()函数

第 10 章，当 NumPy 不够用时 – Scipy 和更多

小测验 - 加载.mat文件

附录 B：其他在线资源

本附录包含指向相关网站的链接。

Python 教程

1. Think Python 中文第二版↗
2. 笨办法学 Python · 续 中文版
3. PythonSpot 中文系列教程
4. PythonBasics 中文系列教程
5. PythonGuru 中文系列教程
6. Python 分布式计算↗

数学教程

1. MIT 公开课课本/笔记

1. MIT 18.06 线性代数笔记↗
2. MIT 18.03 写给初学者的微积分

数据科学文档

1. Numpy 技术栈中文文档

1. NumPy 1.11 中文文档⭐
2. Pandas 0.19.2 中文文档⭐
3. Matplotlib 2.0 中文文档⭐
4. statsmodels 中文文档⭐
5. seaborn 0.9 中文文档⭐

2. SimuPy 中文文档↗

数据科学教程

1. 斯坦福公开课课本/笔记

1. 斯坦福 STATS60 课本：21 世纪的统计思维⭐
2. 斯坦福博弈论中文笔记⭐

2. UCB 公开课课本/笔记

1. UCB Data8 课本：计算与推断思维⭐
2. UCB Prob140 课本：面向数据科学的概率论⭐
3. UCB DS100 课本：数据科学的原理与技巧⭐

3. ApacheCN 数据科学译文集⭐
4. TutorialsPoint NumPy 教程
5. 复杂性思维 中文第二版
6. 利用 Python 进行数据分析 · 第 2 版
7. fast.ai 数值线性代数讲义 v2
8. Pandas Cookbook 带注释源码
9. 数据科学 IPython 笔记本
10. UCSD COGS108 数据科学实战中文笔记
11. USF MSDS501 计算数据科学中文讲义
12. 数据可视化的基础知识
13. Joyful Pandas↗

附录 C：NumPy 函数的参考

本附录包含有用的 NumPy 函数及其说明的列表。

• numpy.apply_along_axis（func1d, axis, arr, *args）：沿arr的一维切片应用函数func1d。
  
• numpy.arange([start,] stop[, step,], dtype=None)：创建一个 NumPy 数组，它在指定范围内均匀间隔。
  
• numpy.argsort(a, axis=-1, kind='quicksort', order=None)：返回对输入数组进行排序的索引。
  
• numpy.argmax(a, axis=None)：返回沿轴的最大值的索引。
  
• numpy.argmin(a, axis=None)：返回沿轴的最小值的索引。
  
• numpy.argwhere(a)：查找非零元素的索引。
  
• numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)：从类似数组的序列（例如 Python 列表）创建 NumPy 数组。
  
• numpy.testing.assert_allclose((actual, desired, rtol=1e-07, atol=0, err_msg='', verbose=True)：如果两个对象在指定的精度下不相等，则引发错误。
  
• numpy.testing.assert_almost_equal()：如果两个数字在指定的精度下不相等，则引发异常。
  
• numpy.testing.assert_approx_equal()：如果两个数字在某个有效数字下不相等，则引发异常。
  
• numpy.testing.assert_array_almost_equal()：如果两个数组在指定的精度下不相等，则引发异常。
  
• numpy.testing.assert_array_almost_equal_nulp(x, y, nulp=1)：将数组与其最低精度单位（ULP）。
  
• numpy.testing.assert_array_equal()：如果两个数组不相等，则引发异常。
  
• numpy.testing.assert_array_less()：如果两个数组的形状不同，并且第一个数组的元素严格小于第二个数组的元素，则会引发异常。
  
• numpy.testing.assert_array_max_ulp(a, b, maxulp=1, dtype=None)：确定数组元素最多相差 ULP 的指定数量。
  
• numpy.testing.assert_equal()：测试两个 NumPy 数组是否相等。
  
• numpy.testing.assert_raises()：如果使用定义的参数调用的可调用对象未引发指定的异常，则失败。
  
• numpy.testing.assert_string_equal()：断言两个字符串相等。
  
• numpy.testing.assert_warns()：如果未引发指定的警告，则失败。
  
• numpy.bartlett(M)：返回带有M点的 Bartlett 窗口。 此窗口类似于三角形窗口。
  
• numpy.random.binomial(n, p, size=None)：从二项分布中抽取随机样本。
  
• numpy.bitwise_and(x1, x2[, out])：计算数组的按位AND。
  
• numpy.bitwise_xor(x1, x2[, out])：计算数组的按位XOR。
  
• numpy.blackman(M)：返回一个具有M点的布莱克曼窗口，该窗口接近最佳值，并且比凯撒窗口差。
  
• numpy.column_stack(tup)：堆叠以元组列形式提供的一维数组 。
  
• numpy.concatenate ((a1, a2, ...), axis=0)：将数组序列连接在一起。
  
• numpy.convolve(a, v, mode='full')：计算一维数组的线性卷积。
  
• numpy.dot(a, b, out=None)：计算两个数组的点积。
  
• numpy.diff(a, n=1, axis=-1)：计算给定轴的 N 阶差。
  
• numpy.dsplit(ary, indices_or_sections)：沿着第三轴将数组拆分为子数组。
  
• numpy.dstack(tup)：沿第三轴堆叠以元组形式给出的数组。
  
• numpy.eye(N, M=None, k=0, dtype=<type 'float'>)：返回单位矩阵。
  
• numpy.extract(condition, arr)：使用条件选择数组的元素。
  
• numpy.fft.fftshift(x, axes=None)：将信号的零频率分量移到频谱的中心。
  
• numpy.hamming(M)：返回带有M点的汉明窗口。
  
• numpy.hanning(M)：返回具有M点的汉宁窗口。
  
• numpy.hstack(tup)：水平堆叠以元组形式给出的数组。
  
• numpy.isreal(x)：返回一个布尔数组，其中True对应于输入数组的实数（而不是复数）元素。
  
• numpy.kaiser(M, beta)：对于给定的beta参数，返回带有M点的凯撒窗口。
  
• numpy.load(file, mmap_mode=None)：从.npy，.npz，或腌制中加载 NumPy 数组或腌制对象。 内存映射的数组存储在文件系统中，不必完全加载到内存中。 这对于大型数组尤其有用。
  
• numpy.loadtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)：将文本文件中的数据加载到 NumPy 数组中。
  
• numpy.lexsort (keys, axis=-1)：使用多个键进行排序。
  
• numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)：返回在间隔内均匀间隔的数字。
  
• numpy.max(a, axis=None, out=None, keepdims=False)：沿轴返回数组的最大值。
  
• numpy.mean(a, axis=None, dtype=None, out=None, keepdims=False)：沿给定轴计算算术平均值。
  
• numpy.median(a, axis=None, out=None, overwrite_input=False)：沿给定轴计算中位数 。
  
• numpy.meshgrid(*xi, **kwargs)：返回坐标向量的坐标矩阵。 例如：

In: numpy.meshgrid([1, 2], [3, 4])
Out:
[array([[1, 2],
        [1, 2]]), array([[3, 3],
        [4, 4]])]

• numpy.min(a, axis=None, out=None, keepdims=False)：沿轴返回数组的最小值。
  
• numpy.msort(a)：返回沿第一轴排序的数组的副本。
  
• numpy.nanargmax(a, axis=None)：返回给定一个忽略 NaN 的轴的最大值的索引。
  
• numpy.nanargmin(a, axis=None)：返回给定的轴的最小值索引，忽略 NaN。
  
• numpy.nonzero(a)：返回非零数组元素的索引。
  
• numpy.ones(shape, dtype=None, order='C')：创建指定形状和数据类型的 NumPy 数组，包含 1s。
  
• numpy.piecewise(x, condlist, funclist, *args, **kw)：分段求值函数。
  
• numpy.polyder(p, m=1)：将多项式微分为给定阶数。
  
• numpy.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False)：执行最小二乘多项式拟合。
  
• numpy.polysub(a1, a2)：减去多项式。
  
• numpy.polyval(p, x)：以指定值求值多项式。
  
• numpy.prod(a, axis=None, dtype=None, out=None, keepdims=False)：返回指定轴上数组元素的乘积 。
  
• numpy.ravel(a, order='C')：展平数组，或在必要时返回副本。
  
• numpy.reshape(a, newshape, order='C')：更改 NumPy 数组的形状 。
  
• numpy.row_stack(tup)：逐行堆叠数组。
  
• numpy.save(file, arr)：以 NumPy .npy格式将 NumPy 数组保存到文件中。
  
• numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ')：将 NumPy 数组保存到文本文件。
  
• numpy.sinc(a)：计算sinc函数。
  
• numpy.sort_complex(a)：首先以实部，然后是虚部对数组元素进行排序。
  
• numpy.split(a, indices_or_sections, axis=0)：将数组拆分为子数组。
  
• numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False)：沿给定轴返回标准差。
  
• numpy.take(a, indices, axis=None, out=None, mode='raise')：使用指定的索引从数组中选择元素。
  
• numpy.vsplit(a, indices_or_sections)：将数组垂直拆分为子数组。
  
• numpy.vstack(tup)：垂直堆叠数组。
  
• numpy.where(condition, [x, y])：基于布尔条件从输入数组中选择数组元素。
  
• numpy.zeros(shape, dtype=float, order='C')：创建指定形状和数据类型的 NumPy 数组，其中包含零。