【无标题】

一、任务

1. 在windows或ubuntu下的Anaconda环境下练习创建虚拟环境，在虚拟环境下安装 jupyter 和 numpy，并运行jupyter，完成numpy的不少于10道的基础练习，熟悉矩阵运算。
   Anacond和Jupyter的使用可参考网上或者教材1.3节。

2. 学习python基础知识，用完成教材前1-2章上的例题，每一章例题数量不少于5道。

3. 参考教材第3章，用Jupyter完成numpy、pandas、matplotlib三个库的例题，每个库不少于3个例题，在Jupyter完成。

4. 解释什么是“图灵测试"?

二、Anaconda安装

Anaconda 是专门为了方便使用 Python 进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的 Python 库，并且自带了专门用来解决软件环境依赖问题的 conda 包管理系统。主要是提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

Anaconda 下载地址: https://www.continuum.io/downloads，Linux、Mac、Windows均支持。
Anaconda安装教程参考博客添加链接描述
1.在cmd中输入 ：python(按回车键)，——查看是否有Python环境

2.更改conda源
在Anaconda prompt中操作：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

三、安装 jupyter 和 numpy

1.创建Anaconda虚拟环境

conda create -n your_env_name python=x.x

2.anaconda命令创建python版本为x.x，名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。

3 .安装jupyter
激活或者切换虚拟环境
打开命令行，输入python --version检查当前 python 版本。

Linux:  source activate your_env_nam
Windows: activate your_env_name

安装jupyter命令：

conda install -n myconda jupyter notebook

安装numpy命令：

conda install -n myconda numpy

检验jupyter是否安装成功
在上述环境中输入命令打开jupyter

jupyter notebook

四、numpy基础练习

导入相关库：

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
import matplotlib.pyplot as plt
 
%matplotlib inline

1、创建一个长度为10的一维全为0的ndarray对象，然后让第5个元素等于1

import numpy as np#导入numpy包
nd = np.zeros(10)#np.zeros是创建一个全是0的数组——nd
nd[4]=1#对第五个数进行赋值
nd#直接对创建的数组显示

结果
array([0., 0., 0., 0., 1., 0., 0., 0., 0., 0.])

2、创建一个元素为从10到49的ndarray对象

n2 = np.arange(10,50)#顺序生成
n2
结果：
array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26,
       27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43,
       44, 45, 46, 47, 48, 49])

3、将第2题的所有元素位置反转

n3 = n2[::-1]
n3
结果：
array([49, 48, 47, 46, 45, 44, 43, 42, 41, 40, 39, 38, 37, 36, 35, 34, 33,
       32, 31, 30, 29, 28, 27, 26, 25, 24, 23, 22, 21, 20, 19, 18, 17, 16,
       15, 14, 13, 12, 11, 10])

4、使用np.random.random创建一个10*10的ndarray对象，并打印出最大最小元素

n4 = np.random.random([10,10])#随机生成10*10
print (n4.max())
print (n4.min())

5、创建一个10*10的ndarray对象，且矩阵边界全为1，里面全为0

n5 = np.zeros([10,10])
n5[0,:]=1#第一行，所有列
n5[:,0]=1#所有行，第一列
n5[9,:]=1#第十行，所有列
n5[:,9]=1#所有行，第十列
n5
结果
array([[1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [1., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [1., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [1., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [1., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [1., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [1., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [1., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]])

6、矩阵相加，55矩阵+15的向量，相当于每一行都加上1*5矩阵

<span style="font-size:18px;">>>> Z = np.zeros((5,5))
>>> Z += np.arange(5)
>>> print Z
[[ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]
 [ 0.  1.  2.  3.  4.]]</span>

7、linspace函数，在给定区间中生成均匀分布的给定个数。
函数原型 linspace(start, stop, num=50, endpoint=True, retstep=False)

<span style="font-size:18px;">>>> Z = np.linspace(0,10,11,endpoint=True, retstep=False)
>>> print Z
[  0.   1.   2.   3.   4.   5.   6.   7.   8.   9.  10.]</span>

8、sort函数。调用random模块中的random函数生成10个随机数，然后sort排序。

<span style="font-size:18px;">>>> Z = np.random.random(10)
>>> Z.sort()
>>> print Z
[ 0.15978787  0.28050494  0.35865916  0.40047826  0.45141311  
 
0.4828367
  0.66133575  0.66775779  0.69278544  0.98095989]</span>

9、allclose函数，判断两个array在误差范围内是否相等
函数原型allclose(a, b, rtol=1e-05, atol=1e-08)，若absolute(a - b) <= (atol + rtol * absolute(b))则相等。

<span style="font-size:18px;">A = np.random.randint(0,2,5)
B = np.random.randint(0,2,5)
equal = np.allclose(A,B)
print equal</span>

10、mean函数，求平均值

<span style="font-size:18px;">>>> Z = np.random.random(30)
>>> m = Z.mean()
>>> print m
0.362299527973
 
>>> A = np.random.randint(0,2,5)
>>> B = np.random.randint(0,2,5)
>>> equal = np.allclose(A,B)
>>> print equal
False
</span>

五、“图灵测试"

图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。图灵测试 2014 的举办方英国雷丁大学发布新闻稿，宣称俄罗斯人弗拉基米尔·维西罗夫（Vladimir Veselov）创立的人工智能软件尤金·古斯特曼（Eugene Goostman）通过了图灵测试。如果这一结论获得确认，那么这将是人工智能乃至于计算机史上的一个里程碑事件。

六、总结

实验过程注意代码细节，切勿编写错误出错却找不到错哪。