如何用纯NumPy向量化实现康威生命游戏？

当然可以！完全不用for循环、if语句这类传统控制结构来实现康威生命游戏是完全可行的——而且这其实是很多高性能元胞自动机（CA）实现的核心思路，核心就是用向量化操作和矩阵运算来替代逐细胞的遍历和条件判断。

康威生命游戏的核心是两个步骤：计算每个细胞的活邻居数量，然后根据规则更新细胞状态。这两步都可以用纯矩阵/数组操作完成，完全不需要手写循环或条件判断。

1. 邻域计数：用批量网格操作替代逐细胞遍历 #

你之前写的neighbors函数是逐个细胞计算邻域，但我们可以对整个网格做平移叠加来一次性得到所有细胞的邻居数：比如用NumPy的话，我们可以把网格分别向上、向下、向左、向右，以及四个对角线方向平移，然后把这些平移后的网格相加——这样每个位置的和就是对应原细胞的活邻居数量（因为平移后的网格对应原细胞的各个邻域位置）。

举个具体的例子（用NumPy实现）：

import numpy as np

def count_neighbors(grid):
    # 对网格进行8个方向的平移，然后相加得到邻居数
    return (
        np.roll(grid, 1, axis=0) +  # 向上平移
        np.roll(grid, -1, axis=0) + # 向下平移
        np.roll(grid, 1, axis=1) +  # 向左平移
        np.roll(grid, -1, axis=1) + # 向右平移
        np.roll(grid, (1, 1), axis=(0, 1)) +  # 左上平移
        np.roll(grid, (1, -1), axis=(0, 1)) + # 右上平移
        np.roll(grid, (-1, 1), axis=(0, 1)) + # 左下平移
        np.roll(grid, (-1, -1), axis=(0, 1))  # 右下平移
    )

这里np.roll是循环平移（相当于把网格当成 torus 拓扑，边缘细胞的邻居会从对面过来），如果需要固定边界（比如边缘细胞没有外侧邻居），可以用切片操作来替代：

def count_neighbors_fixed_border(grid):
    neighbors = np.zeros_like(grid)
    # 只计算内部细胞的邻居，边缘细胞邻居数为0
    neighbors[1:-1, 1:-1] = (
        grid[:-2, :-2] + grid[:-2, 1:-1] + grid[:-2, 2:] +
        grid[1:-1, :-2] + grid[1:-1, 2:] +
        grid[2:, :-2] + grid[2:, 1:-1] + grid[2:, 2:]
    )
    return neighbors

这两个函数都没有任何循环或条件判断，完全是数组的批量操作。

2. 状态更新：用布尔运算替代if语句 #

康威的规则可以转化为纯布尔表达式，然后直接转换为整数（1=活，0=死）：

• 活细胞存活：邻居数为2或3 → (grid == 1) & ((neighbors == 2) | (neighbors == 3))
• 死细胞复活：邻居数为3 → (grid == 0) & (neighbors == 3)

把这两个条件做逻辑或，再转成整数就是新的网格状态：

def update(grid):
    neighbors = count_neighbors(grid)
    # 用布尔运算直接生成新状态，完全不用if
    new_grid = (
        ((grid == 1) & ((neighbors == 2) | (neighbors == 3))) |
        ((grid == 0) & (neighbors == 3))
    ).astype(int)
    return new_grid

完整示例：无控制结构的康威生命游戏 #

把上面的函数组合起来，就可以实现完整的游戏演化（这里的顶层循环是为了演示多步演化，核心的状态更新逻辑完全没有控制结构）：

# 初始化一个随机网格
grid = np.random.randint(0, 2, size=(50, 50))

# 演化50步
for _ in range(50):
    grid = update(grid)
    # 这里可以添加可视化代码，比如用matplotlib显示网格

向量化操作的本质是让底层的优化库（比如NumPy依赖的BLAS）来处理循环逻辑，这些库都是用C/汇编实现的，比手写Python循环高效得多。而且我们把逐细胞的条件判断转换成了整个数组的布尔运算，完全避开了if语句的使用。

对于你刚开始研究元胞自动机的需求来说，这种方法能帮你更好地理解CA的“批量”特性——元胞的状态更新是并行的，而向量化操作正好契合这种并行性。

内容的提问来源于stack exchange，提问作者Daniele Grattarola