Processing Community Day 2023 @ Brasil

Python científico na programação criativa: o que eu aprendi até agora de numpy para usar nos meus desenhos

https://hackmd.io/@villares/numpy-na-prog-criativa

gravação da apresentação

Quem é esse Alexandre?

É aquele maluco que fica fazendo material didático aberto de programação com Processing + Python (py5), ajuda a organizar com o John a Noite de Processing, e faz um desenho por dia!

• Me encontrem no Mastodon:
  • https://ciberlandia.pt/@villares
  • https://pynews.com.br/@villares

Caveat: eu não manjo de numpy de verdade!

• Estou começando a aprender sobre numpy, e pensei em escrever sobre as minhas motivações e aprendizados (aprendendo em públio): Numpy para leigos, contado por um leigo

Motivações

• Uma das minhas palestras prediletas: The Unexpected Effectiveness of Python in Science
  • Jake vanderPlas conta como ciência moderna dependem de numpy e scipy, em especial ele fala da astronomia
  • https://www.youtube.com/watch?v=ZyjCqQEUa8o
  • https://speakerdeck.com/jakevdp/the-unexpected-effectiveness-of-python-in-science
  • Veja atambém, o "Tour furacão do Python" (é redemoinho na real)

Referências

Livro From Python to Numpy do Nicolas Rougier

• É praticamente um port do Nature of Code do Shiffman para Python com Numpy
• Brincadeiras a parte:
  - Começa com random walker
  - Tem autômatos celulares / Conway's Game of Life
  - Tem fractais
  - Tem o Flocking

A documentação oficial do numpy

• Tem em português!

A ferramenta que eu uso de Processing + Python: py5

• O que é e como instalar o py5
• Tutoriais de vetorização no py5 do Jim
  • https://ixora.io/blog/vectorization-and-numpy/
  • https://py5coding.org/how_tos/generate_noise_values.html

O básico do básico do básico

• O que são arrays?
  • coleções homogêneas de valores, úteis para representar vetores e matrizes, capazes de fazer operações entre vetores, matrizes e valores escalares.
• um pouco do açucar sintático do Python
  • Sobrecarga dos operadores com valores escalares fazendo as operações em cada elemento do array.
  ​​​​>>> numeros = [10, 20, 30, 1, 2, 3]  # lista comum
  ​​​​>>> npa = np.array(numeros)  # array numpy
  ​​​​>>> npa * 3 + 1
  ​​​​>>> array([31, 61, 91, 4, 7, 10])
  

  • Fatias com [] e :
  • A idéia das máscaras:
    • mascara = npa < 4 é um array com valores True e False.
    • npa[mascara] = 0 indexando pela máscara permite alterar o array original só nas posições da máscara.
• mais alguns exemplos bem simples

Mas pra que é que você usa?

Imagens

No py5, Pillow e OpenCV

• Contando pixels de uma cor

• Ruído aleatório maneiro do Tom Larrow (Tom Larrow's nice random noise)

• Exemplo Thresholds

  • Glitch

• Exemplo OpenCV

Particulas / Agentes / Operações vetorizadas

• Game of Life

• Calculando pontos de uma curva [1] e [2]
  • O Processing não tem um quadraticVertex() como tem o bezierVertex(), para pegar os pontos de um forma feita com vértices quadráticos (para depois poder usar com shapely)
  ​​def quadratic_points(ax, ay, bx, by, cx, cy,
  ​​​​                     num_points=None,
  ​​​​                     first_point=False):
  ​​​​    if num_points is None:
  ​​​​        num_points = int(py5.dist(ax, ay, bx, by) + py5.dist(bx, by, cx, cy) + py5.dist(ax, ay, cx, cy)) // 10
  ​​​​    if num_points <= 2:
  ​​​​        return [(ax, ay), (cx, cy)] if first_point else [(cx, cy)]
  ​​​​    t = np.arange(0 if first_point else 1, num_points + 1) / num_points
  ​​​​    x = (1 - t) * (1 - t) * ax + 2 * (1 - t) * t * bx + t * t * cx
  ​​​​    y = (1 - t) * (1 - t) * ay + 2 * (1 - t) * t * by + t * t * cy
  ​​​​    return np.column_stack((x, y))
  

• Simulador de Areia

• Pattern binário

• Perlin Noise vetorizado
  • Mais sobre Perlin Noise
  • Perlin Noise 1
  • Perlin Noise 2
  • O exemplo 3D do tutorial do Jim

  • Retícula vetorizada

  • Perlin Noise com bandas

• Exemplo de Partículas ingênuas

• Exemplo de Flocking