NumPy 初学者指南中文第三版：11~14-Toy模板网

这篇具有很好参考价值的文章主要介绍了NumPy 初学者指南中文第三版：11~14。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

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。

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 *
```

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!')

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()

我们得到以下屏幕截图作为最终结果：

NumPy 初学者指南中文第三版：11~14

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：

函数	描述
`pygame.init()`	此函数执行初始化，您必须在调用其他 Pygame 函数之前调用它。
`pygame.display.set_mode((400, 300))`	此函数创建一个要使用的所谓的`Surface`对象。我们给这个函数一个表示表面尺寸的元组。
`pygame.display.set_caption('Hello World!')`	此函数将窗口标题设置为指定的字符串值。
`pygame.font.SysFont("None", 19)`	此函数根据逗号分隔的字体列表（在本例中为无）和整数字体大小参数创建系统字体。
`sysFont.render('Hello World', 0, (255, 100, 100))`	此函数在`Surface`上绘制文本。最后一个参数是表示颜色的 RGB 值的元组。
`screen.blit(rendered, (100, 100))`	此函数使用`Surface`。
`pygame.event.get()`	此函数获取`Event`对象的列表。事件表示系统中的特殊事件，例如用户退出游戏。
`pygame.quit()`	该函数清除由 Pygame 使用的资源。退出游戏之前，请调用此函数。
`pygame.display.update()`	此函数刷新表面。

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。

创建一个 Pygame 时钟，如下所示：
```
clock = pygame.time.Clock()
```
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')
```
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)))
```

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]

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))
```

在主事件循环中，让时钟以每秒 30 帧的速度计时：

   clock.tick(30)

摇头的屏幕截图如下：

NumPy 初学者指南中文第三版：11~14

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：

函数	描述
`pygame.time.Clock()`	这将创建一个游戏时钟。
`clock.tick(30)`	此函数执行游戏时钟的刻度。此处，`30`是每秒的帧数。

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。

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")
```
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)
```

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")

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。

NumPy 初学者指南中文第三版：11~14

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：

函数	描述
`mpl.use("Agg")`	此函数指定使用非交互式后端
`plt.figure(figsize=[3, 3])`	此函数创建一个`3 x 3`英寸的图形
`agg.FigureCanvasAgg(fig)`	此函数在非交互模式下创建画布
`canvas.draw()`	此函数在画布上绘制
`canvas.get_renderer()`	此函数为画布提供渲染器

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。

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)
```
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))
```
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)
```

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)

NumPy 初学者指南中文第三版：11~14

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：

函数	描述
`pygame.surfarray.array2d(img)`	此函数将像素数据复制到二维数组中
`pygame.surfarray.blit_array(screen, new_pixels)`	此函数在屏幕上显示数组值

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。

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))
```

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)

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_
```

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])

结果是每个群集的一堆多边形，如下图所示：

NumPy 初学者指南中文第三版：11~14

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：

函数	描述
`sklearn.cluster.AffinityPropagation().fit(S)`	此函数创建`AffinityPropagation`对象，并使用相似性矩阵执行拟合
`pygame.draw.polygon(screen, (255, 0, 0), point)`	给定表面，颜色（在这种情况下为红色）和点列表，此函数绘制多边形

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。

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)

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()

Sierpinski 三角形如下所示：

NumPy 初学者指南中文第三版：11~14

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：

函数	描述
`pygame.display.set_mode((w,h), pygame.OPENGL\|pygame.DOUBLEBUF)`	此函数将显示模式设置为所需的宽度，高度和 OpenGL 显示
`glClear(GL_COLOR_BUFFER_BIT\|GL_DEPTH_BUFFER_BIT)`	此函数使用遮罩清除缓冲区。在这里，我们清除颜色缓冲区和深度缓冲区位
`gluOrtho2D(0, w, 0, h)`	此函数定义二维正交投影矩阵，其坐标为左，右，上和下剪切平面
`glColor3f(1.0, 0, 0)`	此函数使用 RGB 的三个浮点值（红色，绿色，蓝色）定义当前图形颜色。在这种情况下，我们将以红色绘制
`glBegin(GL_POINTS)`	此函数定义了图元的顶点或图元的组。这里的原语是点
`glVertex2fv(point)`	此函数在给定顶点的情况下渲染点
`glEnd()`	此函数关闭以`glBegin()`开头的一段代码
`glFlush()`	此函数强制执行 GL 命令

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：

少于两个活邻居的活细胞死亡。
具有两个或三个活邻居的活细胞可以存活到下一代。
具有三个以上活邻居的活细胞死亡。
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。

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)

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

用随机值初始化网格：

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

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()

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：

NumPy 初学者指南中文第三版：11~14

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：

函数	描述
`ndimage.convolve(arr, weights, mode='wrap')`	此函数在包装模式下使用权重将卷积运算应用于给定数组。该模式与数组边界有关。
`bools.astype(int)`	此函数将布尔数组转换为整数。
`np.arange(0, pos[0], 10)`	此函数以 10 为步长创建一个从 0 到`pos[0]`的数组。因此，如果`pos[0]`等于 1000，我们将得到 0、10、20，… 990。

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


`arange(5)`做什么？	它创建一个 NumPy 数组，其值为从 0-4 创建的 NumPy 数组的值，0、1、2、3 和 4

第 2 章，从 NumPy 基本原理开始

小测验 – `ndarray`的形状


`ndarray`的形状如何存储？	它存储在一个元组中

第 3 章，熟悉常用函数

小测验 - 计算加权平均值


哪个函数返回数组的加权平均值？	`average`

第 4 章，为您带来便利的便利函数

小测验 - 计算协方差


哪个函数返回两个数组的协方差？	`cov`

第 5 章，使用矩阵和ufunc

小测验 – 使用字符串定义矩阵


`mat`和`bmat`函数接受的字符串中的行分隔符是什么？	分号

第 6 章，深入探索 NumPy 模块

小测验 - 创建矩阵


哪个函数可以创建矩阵？	`mat`

第 7 章，探索特殊例程

小测验 - 生成随机数


哪个 NumPy 模块处理随机数？	`random`

第 8 章，通过测试确保质量

小测验 - 指定小数精度


`assert_almost_equal`函数的哪个参数指定小数精度？	`decimal`

第 9 章，matplotlib 绘图

小测验 – `plot()`函数


`plot`函数有什么作用？	它既不执行 1、2 也不执行 3

第 10 章，当 NumPy 不够用时 – Scipy 和更多

小测验 - 加载`.mat`文件


哪个函数加载`.mat`文件？	`loadmat`

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

Think Python 中文第二版↗
笨办法学 Python · 续中文版
PythonSpot 中文系列教程
PythonBasics 中文系列教程
PythonGuru 中文系列教程
Python 分布式计算↗

数学教程

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

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⭐
SimuPy 中文文档↗

数据科学教程

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⭐
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⭐
ApacheCN 数据科学译文集⭐
TutorialsPoint NumPy 教程
复杂性思维中文第二版
利用 Python 进行数据分析 · 第 2 版
fast.ai 数值线性代数讲义 v2
Pandas Cookbook 带注释源码
数据科学 IPython 笔记本
UCSD COGS108 数据科学实战中文笔记
USF MSDS501 计算数据科学中文讲义
数据可视化的基础知识
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。文章来源地址https://www.toymoban.com/news/detail-414986.html

到了这里，关于NumPy 初学者指南中文第三版：11~14的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

NumPy 初学者指南中文第三版：11~14

十一、玩转 Pygame

Pygame

实战时间 – 安装 Pygame

HelloWorld

实战时间 – 创建一个简单的游戏

刚刚发生了什么？

动画

实战时间 – 使用 NumPy 和 Pygame 为对象设置动画

刚刚发生了什么？

matplotlib

实战时间 – 在 Pygame 中使用 matplotlib

刚刚发生了什么？

表面像素

实战时间 – 用 NumPy 访问表面像素数据

刚刚发生了什么？

人工智能

实战时间 – 点的聚类

刚刚发生了什么？

OpenGL 和 Pygame

实战时间 – 绘制 Sierpinski 地毯

刚刚发生了什么？

使用 Pygame 的模拟游戏

实战时间 – 模拟生命

刚刚发生了什么？

总结

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

Python 教程

数学教程

数据科学文档

数据科学教程

附录 C：NumPy 函数的参考

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

支付宝扫一扫领取红包，优惠每天领

二维码1

二维码2

小测验 – `arange()`函数的功能

小测验 – `ndarray`的形状

小测验 – `plot()`函数

小测验 - 加载`.mat`文件