import numpy as np

# 假设一张 4x4 的灰度图像
image = np.array([
    [255, 200, 150, 100],
    [180, 140, 110, 80],
    [120, 90,  60,  40],
    [50,  30,  20,  10]
])
# 255 = 最亮（白），0 = 最暗（黑）
# 彩色图像：高度 x 宽度 x 3（红、绿、蓝三通道）
color_image = np.array([
    [[255, 0, 0],   [0, 255, 0],   [0, 0, 255]],    # 第1行像素：红、绿、蓝
    [[255, 255, 0], [0, 255, 255], [255, 0, 255]],  # 第2行像素：黄、青、紫
    [[128, 128, 128],[100, 100, 100],[50, 50, 50]]   # 第3行像素：灰度
])
# 一维数组（向量）
vec = np.array([1, 2, 3, 4, 5])
print(vec)  # [1 2 3 4 5]

# 二维数组（矩阵）
mat = np.array([
    [1, 2, 3],
    [4, 5, 6]
])
print(mat)
# [[1 2 3]
#  [4 5 6]]
# 全0数组 - 常用于初始化
zeros = np.zeros((3, 4))  # 3行4列的全0矩阵
print(zeros)
# [[0. 0. 0. 0.]
#  [0. 0. 0. 0.]
#  [0. 0. 0. 0.]]

# 全1数组
ones = np.ones((2, 3))
# [[1. 1. 1.]
#  [1. 1. 1.]]

# 指定范围内的数组
arr = np.arange(0, 10, 2)  # 0到10，步长2
print(arr)  # [0 2 4 6 8]

# 等差数组
lin = np.linspace(0, 1, 5)  # 0到1之间均匀取5个数
print(lin)  # [0.   0.25 0.5  0.75 1.  ]
a = np.array([[1, 2, 3], [4, 5, 6]])

print(a.ndim)   # 维度数量 = 2（是二维数组/矩阵）
print(a.shape)   # 形状 = (2, 3) 2行3列
print(a.size)    # 总元素数 = 6
print(a.dtype)   # 数据类型 = int64

# 对于图像数据，常用 uint8（无符号8位整数，0-255）
image = np.array([[255, 128], [64, 0]], dtype=np.uint8)
print(image.dtype)  # uint8
a = np.array([10, 20, 30, 40, 50])

print(a[0])   # 第一个元素 = 10
print(a[-1])  # 最后一个元素 = 50
print(a[1:3]) # 第2到第3个元素 = [20, 30]
print(a[:3])  # 前3个元素 = [10, 20, 30]
print(a[2:])  # 第3个到最后 = [30, 40, 50]
mat = np.array([
    [1,  2,  3,  4],
    [5,  6,  7,  8],
    [9, 10, 11, 12]
])

# 获取特定元素
print(mat[0, 0])  # 第1行第1列 = 1
print(mat[1, 2])  # 第2行第3列 = 7
print(mat[2, -1]) # 第3行最后一列 = 12

# 切片：[行, 列]
print(mat[0, :])   # 第1行所有列 = [1, 2, 3, 4]
print(mat[:, 1])   # 所有行第2列 = [2, 6, 10]
print(mat[0:2, 0:2])  # 取前2行前2列
# [[1 2]
#  [5 6]]

# 负索引
print(mat[-1, :])  # 最后一行 = [9, 10, 11, 12]
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 加减乘除（对应元素运算）
print(a + b)   # [5 7 9]
print(a - b)   # [-3 -3 -3]
print(a * b)   # [4 10 18]  注意：这是元素乘法，不是矩阵乘法
print(a / b)   # [0.25 0.4  0.5]

# 标量运算（广播）
print(a * 2)   # [2 4 6]
print(a + 10)  # [11 12 13]
print(a ** 2)  # [1 4 9]  平方
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

# 使用 @ 运算符 或 np.dot()
C = A @ B
print(C)
# [[19 22]
#  [41 46]]

# 或者
C = np.dot(A, B)
print(C)
a = np.array([1, 2, 3, 4, 5])

print(np.sum(a))      # 求和 = 15
print(np.mean(a))     # 平均值 = 3.0
print(np.max(a))      # 最大值 = 5
print(np.min(a))      # 最小值 = 1
print(np.std(a))      # 标准差
print(np.argmax(a))   # 最大值的索引 = 4
print(np.argmin(a))   # 最小值的索引 = 0

# 对于二维数组，可以指定轴
mat = np.array([[1, 2, 3], [4, 5, 6]])
print(np.sum(mat, axis=0))  # 按列求和 = [5 7 9]
pra = np.array([1, 2, 3, 4, 5, 6])

# 展平（flatten）: 多维变一维
print(a.flatten())  # [1 2 3 4 5 6]

# 改变形状（reshape）
b = a.reshape(2, 3)  # 变成2行3列
print(b)
# [[1 2 3]
#  [4 5 6]]

# 转置（transpose）: 行变列
print(b.T)
# [[1 4]
#  [2 5]
#  [3 6]]

# 翻转
c = np.array([[1, 2, 3], [4, 5, 6]])
print(np.fliplr(c))  # 左右翻转
# [[3 2 1]
#  [6 5 4]]
print(np.flipud(c))  # 上下翻转
# [[4 5 6]
#  [1 2 3]]int(np.sum(mat, axis=1))  # 按行求和 = [6 15]
a = np.array([1, 2, 3, 4, 5, 6])

# 展平（flatten）: 多维变一维
print(a.flatten())  # [1 2 3 4 5 6]

# 改变形状（reshape）
b = a.reshape(2, 3)  # 变成2行3列
print(b)
# [[1 2 3]
#  [4 5 6]]

# 转置（transpose）: 行变列
print(b.T)
# [[1 4]
#  [2 5]
#  [3 6]]

# 翻转
c = np.array([[1, 2, 3], [4, 5, 6]])
print(np.fliplr(c))  # 左右翻转
# [[3 2 1]
#  [6 5 4]]
print(np.flipud(c))  # 上下翻转
# [[4 5 6]
#  [1 2 3]]
a = np.array([10, 20, 30, 40, 50])

# 找出满足条件的元素
print(a > 25)     # [False False False True True]
print(a[a > 25])  # [30 40 50]  只保留大于25的值

# 统计满足条件的数量
print(np.sum(a > 25))  # 3

# 替换值
b = np.where(a > 25, a, 0)  # 大于25保留，否则改成0
print(b)  # [0 0 30 40 50]
a = np.array([3, 4])

# L2范数（欧几里得距离）
norm = np.linalg.norm(a)
print(norm)  # 5.0  (因为 3² + 4² = 25, √25 = 5)

# 点积（dot product）
b = np.array([1, 2])
dot = np.dot(a, b)
print(dot)  # 3*1 + 4*2 = 11

# 余弦相似度
def cosine_similarity(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

v1 = np.array([1, 0, 1])
v2 = np.array([1, 1, 0])
print(cosine_similarity(v1, v2))  # 约 0.707
a = np.array([1, 2, 3])
b = a  # 这是引用，不是复制！
b[0] = 100
print(a[0])  # 100，a也跟着变了

# 如果想复制，应该用
c = a.copy()
c[0] = 999
print(a[0])  # 100，a不变
# 亮度调整：所有像素值加一个常数
brighter = image + 30  # 变亮
darker = image - 30    # 变暗

# 对比度调整：像素值乘以一个系数
contrasted = image * 1.5  # 对比度增强
# 裁剪：取矩阵的一部分
top_left = image[0:2, 0:2]  # 取左上角2x2区域

# 旋转：矩阵转置和翻转
rotated = np.transpose(image)  # 转置
flipped = np.fliplr(image)     # 左右翻转