import numpy as np

# 創(chuàng)建一個(gè)二維數(shù)組
arr = np.array([[1, 2, 3],
                [4, 5, 6]])

print("數(shù)組內(nèi)容:")
print(arr)

print(f"\n維度數(shù)量 (ndim): {arr.ndim}")
print(f"形狀 (shape): {arr.shape}")
print(f"元素總數(shù) (size): {arr.size}")
print(f"數(shù)據(jù)類型 (dtype): {arr.dtype}")
print(f"每個(gè)元素占字節(jié)數(shù) (itemsize): {arr.itemsize}")
print(f"總內(nèi)存占用 (nbytes): {arr.nbytes}")

# 從列表創(chuàng)建一維數(shù)組
arr1 = np.array([1, 2, 3, 4, 5])
print("一維數(shù)組:", arr1)

# 從嵌套列表創(chuàng)建二維數(shù)組
arr2 = np.array([[1, 2, 3],
                 [4, 5, 6]])
print("二維數(shù)組:\n", arr2)

# 從元組創(chuàng)建
arr3 = np.array((10, 20, 30))
print("從元組創(chuàng)建:", arr3)

# 指定數(shù)據(jù)類型
arr4 = np.array([1, 2, 3], dtype=np.float64)
print("指定浮點(diǎn)類型:", arr4)

# 全零數(shù)組
zeros = np.zeros((3, 4))
print("3x4 全零數(shù)組:\n", zeros)

# 全一數(shù)組
ones = np.ones((2, 3))
print("2x3 全一數(shù)組:\n", ones)

# 指定值的數(shù)組
full = np.full((2, 2), 7)
print("2x2 填充7的數(shù)組:\n", full)

# 單位矩陣（對(duì)角線為1，其余為0）
eye = np.eye(3)
print("3x3 單位矩陣:\n", eye)

# 對(duì)角矩陣
diag = np.diag([1, 2, 3])
print("對(duì)角矩陣:\n", diag)

# arange：類似 range，但返回?cái)?shù)組
print("arange(10):", np.arange(10))
print("arange(2, 10, 2):", np.arange(2, 10, 2))
# 輸出: [2 4 6 8]

# linspace：生成等間距數(shù)列（包含終點(diǎn)）
print("linspace(0, 1, 5):", np.linspace(0, 1, 5))
# 輸出: [0.   0.25 0.5  0.75 1.  ]

# logspace：生成等比數(shù)列
print("logspace(0, 2, 5):", np.logspace(0, 2, 5))
# 輸出: [  1.    3.16  10.   31.6  100.  ]

# 實(shí)際應(yīng)用場(chǎng)景：生成 x 軸坐標(biāo)用于畫圖
x = np.linspace(-np.pi, np.pi, 100)  # -π 到 π，100個(gè)點(diǎn)
print(f"用于繪圖的 x 軸: {len(x)} 個(gè)點(diǎn)")

np.random.seed(42)  # 設(shè)置隨機(jī)種子，保證結(jié)果可復(fù)現(xiàn)

# 均勻分布 [0, 1)
rand_uniform = np.random.rand(3, 3)
print("均勻分布隨機(jī)數(shù)組:\n", rand_uniform)

# 標(biāo)準(zhǔn)正態(tài)分布（均值0，標(biāo)準(zhǔn)差1）
rand_normal = np.random.randn(3, 3)
print("標(biāo)準(zhǔn)正態(tài)分布:\n", rand_normal)

# 指定范圍的整數(shù)
rand_int = np.random.randint(1, 100, size=(3, 4))
print("1~99 的隨機(jī)整數(shù):\n", rand_int)

# 從指定數(shù)組中隨機(jī)選擇
choices = np.random.choice(['A', 'B', 'C', 'D'], size=10)
print("隨機(jī)選擇:", choices)

# 實(shí)際應(yīng)用：模擬擲骰子 1000 次
dice_rolls = np.random.randint(1, 7, size=1000)
print(f"骰子平均點(diǎn)數(shù): {dice_rolls.mean():.2f}")  # 理論值應(yīng)接近 3.5

# 整數(shù)類型
print(np.int8(127))       # -128 ~ 127
print(np.int16(32767))    # -32768 ~ 32767
print(np.int32(2147483647))
print(np.int64(9223372036854775807))

# 無符號(hào)整數(shù)（只存正數(shù)）
print(np.uint8(255))  # 0 ~ 255

# 浮點(diǎn)數(shù)類型
print(np.float16(3.14))   # 半精度，范圍小
print(np.float32(3.14159))
print(np.float64(3.14159265358979))  # 默認(rèn)浮點(diǎn)類型

# 布爾類型
print(np.bool_(True))

# 字符串類型
print(np.array(['hello', 'world'], dtype='U5'))  # 最多5個(gè)字符

arr = np.array([1, 2, 3, 4, 5])
print(f"原始類型: {arr.dtype}")  # int32 或 int64

# 轉(zhuǎn)換為浮點(diǎn)數(shù)
arr_float = arr.astype(np.float64)
print(f"轉(zhuǎn)換為浮點(diǎn): {arr_float.dtype}")

# 轉(zhuǎn)換為布爾值
arr_bool = arr.astype(bool)
print(f"轉(zhuǎn)換為布爾: {arr_bool}")

# 轉(zhuǎn)換為字符串
arr_str = arr.astype(str)
print(f"轉(zhuǎn)換為字符串: {arr_str}")

# 注意：精度丟失
arr_big = np.array([1.7, 2.9, 3.1])
arr_int = arr_big.astype(np.int32)
print(f"浮點(diǎn)轉(zhuǎn)整數(shù)(截?cái)?: {arr_int}")  # [1 2 3]，注意不是四舍五入

a = np.array([10, 20, 30, 40])
b = np.array([1, 2, 3, 4])

# 逐元素運(yùn)算
print("加法:", a + b)     # [11 22 33 44]
print("減法:", a - b)     # [ 9 18 27 36]
print("乘法:", a * b)     # [10 40 90 160]
print("除法:", a / b)     # [10. 10. 10. 10.]
print("整除:", a // b)    # [10 10 10 10]
print("取余:", a % b)     # [0 0 0 0]
print("冪運(yùn)算:", a ** 2)  # [ 100  400  900 1600]

# 數(shù)組與標(biāo)量運(yùn)算
print("加5:", a + 5)      # [15 25 35 45]
print("乘2:", a * 2)      # [20 40 60 80]

a = np.array([10, 20, 30, 40, 50])

# 比較運(yùn)算返回布爾數(shù)組
print("大于25:", a > 25)       # [False False  True  True  True]
print("等于30:", a == 30)      # [False False  True False False]
print("不等于20:", a != 20)    # [ True False  True  True  True]
print("在20~40之間:", (a >= 20) & (a <= 40))
# [False  True  True  True False]

scores = np.array([85, 92, 78, 96, 88, 73, 95, 81])

print(f"總分: {scores.sum()}")
print(f"平均分: {scores.mean()}")
print(f"標(biāo)準(zhǔn)差: {scores.std():.2f}")
print(f"方差: {scores.var():.2f}")
print(f"最高分: {scores.max()}")
print(f"最低分: {scores.min()}")
print(f"最高分索引: {scores.argmax()}")
print(f"最低分索引: {scores.argmin()}")
print(f"中位數(shù): {np.median(scores)}")
print(f"累計(jì)和: {scores.cumsum()}")

matrix = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

print("原始矩陣:")
print(matrix)

# axis=0 表示按列（沿著行的方向）
print("\n按列求和 (axis=0):", matrix.sum(axis=0))  # [12 15 18]

# axis=1 表示按行（沿著列的方向）
print("按行求和 (axis=1):", matrix.sum(axis=1))  # [ 6 15 24]

# 不指定 axis 表示對(duì)所有元素
print("全部求和:", matrix.sum())  # 45

# 其他聚合函數(shù)同樣支持 axis
print("\n每列最大值:", matrix.max(axis=0))
print("每行平均值:", matrix.mean(axis=1))

arr = np.array([10, 20, 30, 40, 50, 60])

# 正向索引（從 0 開始）
print("第1個(gè)元素:", arr[0])   # 10
print("第3個(gè)元素:", arr[2])   # 30

# 負(fù)向索引（從 -1 開始，表示倒數(shù)）
print("最后一個(gè)元素:", arr[-1])   # 60
print("倒數(shù)第2個(gè):", arr[-2])    # 50

# 切片 [start:stop:step]
print("前3個(gè):", arr[:3])        # [10 20 30]
print("從第3個(gè)開始:", arr[2:])   # [30 40 50 60]
print("每隔一個(gè):", arr[::2])     # [10 30 50]
print("反轉(zhuǎn):", arr[::-1])       # [60 50 40 30 20 10]

matrix = np.array([[1, 2, 3, 4],
                   [5, 6, 7, 8],
                   [9, 10, 11, 12]])

# [行, 列] 索引
print("第2行第3列:", matrix[1, 2])  # 7

# 行切片
print("第1行:", matrix[0])          # [1 2 3 4]
print("前兩行:\n", matrix[:2])

# 列切片
print("第2列:", matrix[:, 1])       # [2 6 10]
print("第2~3列:\n", matrix[:, 1:3])

# 行列同時(shí)切片
print("中間2x2區(qū)域:\n", matrix[1:3, 1:3])
# [[ 6  7]
#  [10 11]]

# 重要：切片返回的是視圖（共享內(nèi)存），修改會(huì)影響原數(shù)組
sub = matrix[:2, :2]
sub[0, 0] = 999
print("修改切片后原數(shù)組:\n", matrix)
# 第1行第1列變?yōu)?999

# 如果需要副本，使用 .copy()
sub_copy = matrix[:2, :2].copy()
sub_copy[0, 0] = 0
print("修改副本后原數(shù)組不變:", matrix[0, 0])  # 仍是 999

# 場(chǎng)景1：數(shù)組 + 標(biāo)量（最簡(jiǎn)單的廣播）
arr = np.array([1, 2, 3])
print("數(shù)組 + 10:", arr + 10)  # [11 12 13]
# 內(nèi)部過程: 10 被廣播為 [10, 10, 10]

# 場(chǎng)景2：二維數(shù)組 + 一維數(shù)組
matrix = np.array([[1, 2, 3],
                   [4, 5, 6]])
row_add = np.array([10, 20, 30])
print("每行加 [10,20,30]:")
print(matrix + row_add)
# [[11 22 33]
#  [14 25 36]]

# 場(chǎng)景3：列向量 + 行向量（生成矩陣）
col = np.array([[1], [2], [3]])  # 形狀 (3, 1)
row = np.array([10, 20, 30])     # 形狀 (3,)
print("列向量 + 行向量 (廣播生成矩陣):")
print(col + row)
# [[11 21 31]
#  [12 22 32]
#  [13 23 33]]

# 場(chǎng)景4：實(shí)際應(yīng)用——成績(jī)標(biāo)準(zhǔn)化
scores = np.array([[85, 90, 78],
                   [92, 88, 95],
                   [76, 82, 88]])
mean_per_subject = scores.mean(axis=0)  # 每科平均分
print("每科平均分:", mean_per_subject)

# 每個(gè)學(xué)生每科減去該科平均分（廣播）
centered = scores - mean_per_subject
print("中心化后的分?jǐn)?shù):\n", np.round(centered, 1))

# 這種情況無法廣播
try:
    a = np.array([[1, 2, 3],    # 形狀 (2, 3)
                  [4, 5, 6]])
    b = np.array([1, 2])         # 形狀 (2,)
    result = a + b
except ValueError as e:
    print("廣播失敗:", e)
# 原因: 最后一維度 3 != 2，且都不是 1

x = np.array([0, np.pi/6, np.pi/4, np.pi/3, np.pi/2])

# 三角函數(shù)
print("sin(x):", np.sin(x))
print("cos(x):", np.round(np.cos(x), 4))
print("tan(x):", np.round(np.tan(x), 4))

# 指數(shù)和對(duì)數(shù)
print("\ne^x:", np.round(np.exp(x), 4))
print("ln(x+1):", np.round(np.log(x + 1), 4))
print("log10(x+1):", np.round(np.log10(x + 1), 4))

# 舍入函數(shù)
numbers = np.array([1.2, 2.5, 3.7, 4.49, 5.5])
print("\n原始數(shù)據(jù):", numbers)
print("四舍五入:", np.round(numbers))
print("向上取整:", np.ceil(numbers))
print("向下取整:", np.floor(numbers))
print("截?cái)嗳≌?", np.trunc(numbers))

# 絕對(duì)值和符號(hào)
neg = np.array([-3, -2, -1, 0, 1, 2, 3])
print("\n絕對(duì)值:", np.abs(neg))
print("符號(hào)函數(shù):", np.sign(neg))

import numpy as np

# 模擬一個(gè)班級(jí)30名學(xué)生、5門課程的成績(jī)
np.random.seed(42)
n_students = 30
n_subjects = 5
subjects = ['語文', '數(shù)學(xué)', '英語', '物理', '化學(xué)']

# 生成成績(jī)（正態(tài)分布，均值70，標(biāo)準(zhǔn)差15）
scores = np.random.normal(70, 15, (n_students, n_subjects))
scores = np.clip(scores, 0, 100)  # 限制在0~100之間
scores = np.round(scores, 1)

print("=" * 50)
print("學(xué)生成績(jī)分析系統(tǒng)")
print("=" * 50)

# 1. 每科的基本統(tǒng)計(jì)
print("\n各科統(tǒng)計(jì):")
for i, subject in enumerate(subjects):
    col = scores[:, i]
    print(f"  {subject}: 平均={col.mean():.1f}, "
          f"最高={col.max():.1f}, 最低={col.min():.1f}, "
          f"標(biāo)準(zhǔn)差={col.std():.1f}")

# 2. 每個(gè)學(xué)生的總分和平均分
total_scores = scores.sum(axis=1)
avg_scores = scores.mean(axis=1)
print(f"\n班級(jí)總平均分: {avg_scores.mean():.1f}")
print(f"最高總分: {total_scores.max():.1f}")
print(f"最低總分: {total_scores.min():.1f}")

# 3. 找出每科最高分的學(xué)生
for i, subject in enumerate(subjects):
    best_student = scores[:, i].argmax()
    print(f"  {subject}最高分: 學(xué)生{best_student+1}號(hào) ({scores[best_student, i]}分)")

# 4. 成績(jī)分布分析
print(f"\n成績(jī)等級(jí)分布:")
def get_grade(score):
    if score >= 90: return '優(yōu)秀'
    elif score >= 80: return '良好'
    elif score >= 60: return '及格'
    else: return '不及格'

grades_flat = np.array([get_grade(s) for s in scores.flatten()])
for grade in ['優(yōu)秀', '良好', '及格', '不及格']:
    count = (grades_flat == grade).sum()
    pct = count / len(grades_flat) * 100
    print(f"  {grade}: {count}人 ({pct:.1f}%)")

import numpy as np

# 模擬一張 4x4 的 RGB 圖像（每個(gè)像素有 R, G, B 三個(gè)通道）
# 形狀: (高, 寬, 通道數(shù))
np.random.seed(42)
image = np.random.randint(0, 256, (4, 4, 3), dtype=np.uint8)

print("原始RGB圖像 (4x4):")
print(image[:, :, 0])  # 顯示 R 通道

# 灰度轉(zhuǎn)換公式: Gray = 0.299*R + 0.587*G + 0.114*B
weights = np.array([0.299, 0.587, 0.114])

# 使用點(diǎn)積進(jìn)行灰度轉(zhuǎn)換（廣播）
gray = np.dot(image, weights)
gray = np.round(gray).astype(np.uint8)

print("\n灰度圖像:")
print(gray)

# 二值化處理：設(shè)定閾值128
binary = (gray > 128).astype(np.uint8) * 255
print("\n二值化圖像 (閾值128):")
print(binary)

# 1. 0~9
arr1 = np.arange(10)
print(arr1)

# 2. 3x4 全1
arr2 = np.ones((3, 4))
print(arr2)

# 3. 4x4 單位矩陣
arr3 = np.eye(4)
print(arr3)

# 4. 1~100中3的倍數(shù)
multiples = np.arange(3, 101, 3)
print(multiples)

revenue = np.array([1200, 1500, 1800, 1350, 2100, 2800, 2500])

# 1. 日均
daily_avg = revenue.mean()
print(f"日均營(yíng)業(yè)額: {daily_avg:.2f}元")

# 2. 標(biāo)準(zhǔn)差
std = revenue.std()
print(f"營(yíng)業(yè)額標(biāo)準(zhǔn)差: {std:.2f}元")

# 3. 高于日均的日期
above_avg = revenue > daily_avg
days = np.array(['周一', '周二', '周三', '周四', '周五', '周六', '周日'])
print(f"高于日均的日子: {days[above_avg]}")

# 4. 月度預(yù)估
monthly = daily_avg * 30
print(f"月度預(yù)估: {monthly:.2f}元")

scores = np.array([[85, 90, 78],
                   [92, 88, 95],
                   [76, 82, 88],
                   [95, 91, 89],
                   [70, 75, 80]])

# 1. 減去每個(gè)學(xué)生自己的平均分（按行求均值，保持維度）
row_mean = scores.mean(axis=1, keepdims=True)
centered = scores - row_mean
print("學(xué)生維度中心化:")
print(np.round(centered, 1))

# 2. 歸一化到 0~1（每列除以該列最大值）
col_max = scores.max(axis=0)
normalized = scores / col_max
print("\n歸一化 (0~1):")
print(np.round(normalized, 3))

# 方法：先篩選偶數(shù)，再平方，再求和
numbers = np.arange(1, 1001)
even_numbers = numbers[numbers % 2 == 0]
result = (even_numbers ** 2).sum()
print(f"1~1000中所有偶數(shù)的平方和: {result}")

# 一行寫法
print(np.sum(np.arange(2, 1001, 2) ** 2))