今天是這系列最後一篇文，昨天也終於迎來鐵人馬拉松完賽了。

這裏我整理了過去30天，所用到的函數和指令，初學者如果有興趣，可以先從熟練下面內容開始：

numpy (np)

• pi：圓周率 π 的近似值。
• array：建立數組（矩陣）的資料結構。
• dot：計算兩個陣列的點積。
• diff：計算陣列的差異。
• linspace：生成指定範圍內的等間距數值。
• sin：計算角度的正弦值。
• arcsin：計算反正弦值，返回角度。
• exp：計算數字的指數值（e^x）。
• zeros：創建一個全為零的陣列。
• sqrt：計算平方根。
• hstack：將陣列水平疊加。
• roll：滾動陣列中的元素位置。

matplotlib (plt)

• plot：繪製折線圖。
• meshgrid：生成網格點矩陣。
• contourF：繪製等高線填充圖。
• FuncAnimation：生成動畫，連續繪圖。

其他常用指令

• append：在列表尾部添加元素。
• +=：將值加到變量上並賦值。
• real：取複數的實部。
• clear：清除列表中的所有元素。
• save：保存數據到文件。
• str：將數據轉換為字符串。
• bin：將整數轉換為二進制字符串。
• int：將值轉換為整數。
• len：返回列表或字符串的長度。
• abs：計算絕對值。

那麼接下來，我想分享過去30天的心得：

1. Python就是你最靈巧的手：
   這些篇幅內，我最有感覺的應該就是單狹縫一維傅立葉轉換，寫Fraunhofer函數，對每個phase_term做積分。原來Python是真的認真的幫線段依照你給的N去切，在一個個長方形面積算好加起來，這樣來完成我們所謂的積分行為。
   不禁想，微分和其他∑ 什麼的也都可以很直觀地定義，一一計算求出所要的值——也就是說，Python幫你雙手的極限擴展到無限，一千筆資料一萬筆資料，只要你的電腦跑得動，Python就可以無限近似。
   太美好了！
   不過，過去30天內容大多是很直接的去定義計算，其實很多函數，像是快速傅立葉變換，np早就幫你定義好了，有興趣的人可以去了解np.fft和np.fftshift。

2. Python為你的腦開了科學之眼：
   本來在學光學現象時，就很常需要去配圖了解，才會有個感覺。但，把圖和公式連結起來，這中間的過程卻非常痛苦，需要有對數學的一定了解。而當Python作為你的數學之手，又能幫你畫出圖，這簡直像幫你開了眼，或是一條現象畫面和公式之間的快速道路。
   尤其當你可以透過微調參數，直接看到物理現象的變化，彷彿無意間在腦中建模。一個清晰絲滑！

最後我想要分享matplotlib的顏色表：(https://matplotlib.org/stable/gallery/color/named_colors.html)

祝大家在Python中的科研之路，多采多姿！

最最最後，再次謝謝謝助教，感謝您課堂上細心教學與無私分享！