學習Python：做個有編程能力的設計師（簡體書）

《學習PYTHON—做個有程式設計能力的設計師》不是純粹的Python程式設計學習，而是在學習基本Python程式設計語言時闡述輔助設計的方法，從Python Shell到RH_Python再到GH_Python，將Python真正作為設計者從事設計輔助的程式設計語言；同時這又不是純粹幾何形式程式設計的說明，而是包括Python程式設計資料結構、基本語句、函數與類的學習過程。
在掌握Python語言的資料結構、基本語句、函數、類與異常，並通過具體案例闡述深入瞭解實踐應用的方法之後，在“專案”部分探索與詳細闡述了十個案例，包括：“折疊的過程- 圓柱體V 形與Mesh 頂點排序”，結合Kangaroo動力學模組類比折疊的過程，使用Python編寫符合建立Mesh格網輸入條件的點組織模式；“盒體的展開”，講述了如何把一個盒體連續展開在一個平面上，並獲取多個解的方法；“解讀蟻群演算法與TSP 問題以及在GH_Python 中的實現”，蟻群演算法是一種用來在圖中尋找優化路徑的機率型演算法，靈感來源於螞蟻在尋找食物過程中發現路徑的行為。本部分詳細闡述蟻群演算法並探索將其在Grasshopper平臺中的Python腳本中實現和解決TSP旅行商問題；“最短路徑與Dijkstra 演算法”，最短路徑問題是圖論研究中經典演算法問題，旨在尋找圖中兩節點之間最短的路徑，本部分使用Dijkstra 演算法在GH_Python中實現；“探索性研究適宜分析方法GH_Python 下的實現”，適宜性分析的方法一般是在地理資訊系統平臺中實現，例如ArcGIS。適宜性分析在城鄉規劃和風景園林中經常被用到，根據應用的範疇又可以細分為城市建設用地的評價、環境影響評價、自然保護區及旅遊區用地評價、區域規劃和景觀規劃等。本次專案主要的研究目的是如何將適宜性分析在GH_Python 中實現；“使用遞迴解決八皇后問題與滿足特定間距要求的建築佈局”， 八皇后問題是一個以國際象棋為背景的問題：如何能夠在8×8 的國際象棋棋盤上放置八個皇后，使得任何一個皇后都無法直接吃掉其他的皇后。為了達到此目的，任兩個皇后都不能處於同一條橫行、縱行或斜線上；“解讀生命遊戲_ 元胞自動機與建立生長模型”， 元胞自動機(Cellular Automaton)，是一個時間和空間都離散的動力系統。散佈在規則格網(Lattice Grid) 中的每一元胞(Cell) 取有限的離散狀態，遵循同樣的作用規則，依據確定的局部規則做同步更新。大量元胞通過簡單的相互作用而構成動態系統的演化；“GoogleEarth.KML 檔的調入程式”，規劃設計過程中經常借助於Google Earth來尋找和定位地標和路徑，那麼如何將地標和路徑直接載入到Gasshopper平臺中，是本部分需要解決的問題；“解讀粒子群(PSO) 演算法與建立點運動程式”，粒子群演算法，也稱粒子群優化演算法（Particle Swarm Optimization），縮寫為PSO，模擬鳥群的捕食行為，通過追隨當前搜索到的最優值來尋找全域最優解；“城市土地利用結構資訊熵”，在資訊理論中，熵是接收的每條消息中包含資訊的平均量，又被稱為資訊熵、信源熵等。消息往往代表來自分佈或資料流程中的事件、樣本或特徵。在規劃設計領域引入資訊熵，研究土地利用結構，分析功能的融合程度，資訊熵的高低可以反映城市土地利用的均衡程度，熵值越高，表明不同職能的土地利用類型數越多。本部分案例主要通過Python 程式，闡述資訊熵和均衡度公式計算過程。