numpy · rgommers · Jul 23, 2021 · Jul 23, 2021 · Jul 23, 2021 · Jul 23, 2021
diff --git a/config.yaml.in b/config.yaml.in
@@ -52,11 +52,20 @@ languages:
       - content/ja/config.yaml
       - content/ja/tabcontents.yaml
 
-    # Spanish
+  # Spanish
   es:
     title: NumPy
     weight: 4
     contentDir: content/es
     include-files:
       - content/es/config.yaml
       - content/es/tabcontents.yaml
+
+  # Chinese
+  zh:
+    title: NumPy
+    weight: 3
+    contentDir: content/zh
+    include-files:
+      - content/zh/config.yaml
+      - content/zh/tabcontents.yaml
diff --git a/content/en/contribute.md b/content/en/contribute.md
@@ -17,7 +17,7 @@ issue).
 Those are our preferred channels (open source is open by nature), but
 if you prefer to talk privately, contact our community coordinators at
 <numpy-team@googlegroups.com> or on [Slack](https://numpy-team.slack.com)
-(write  <numpy-team@googlegroups.com> for an invite).
+(write to <numpy-team@googlegroups.com> for an invite).
 
 We also have a biweekly _community call_, details of which are announced on
 the [mailing list](https://mail.python.org/mailman/listinfo/numpy-discussion).

diff --git a/content/en/install.md b/content/en/install.md
@@ -2,6 +2,7 @@
 title: Installing NumPy
 sidebar: false
 ---
+
 {{< admonition tip >}}
 This page assumes you are comfortable using a terminal and are familiar with package managers. 
 The only prerequisite for installing NumPy is Python itself. If you don't have
@@ -128,4 +129,3 @@ IMPORTANT: PLEASE READ THIS FOR ADVICE ON HOW TO SOLVE THIS ISSUE!
 Importing the numpy c-extensions failed. This error can happen for
 different reasons, often due to issues with your setup.
 ```
-
diff --git a/content/en/user-survey-2020.md b/content/en/user-survey-2020.md
@@ -12,7 +12,8 @@ future of the project.
 
 {{< figure
     src="/surveys/NumPy_usersurvey_2020_report_cover.png"
-    alt="Cover page of the 2020 NumPy user survey report, titled 'NumPy Community Survey 2020 - results'"
+    alt="Cover page of the 2020 NumPy user survey report"
+    title="NumPy Community Survey 2020 results"
     width=250
 >}}
 

diff --git a/content/es/code-of-conduct.md b/content/es/code-of-conduct.md
@@ -2,7 +2,7 @@
 title: Código de conducta de NumPy
 sidebar: false
 aliases:
-  - /conduct.html
+  - /es/conduct/
 ---
 
 ### Introducción

diff --git a/content/ja/install.md b/content/ja/install.md
diff --git a/content/ja/user-survey-2020.md b/content/ja/user-survey-2020.md
@@ -7,7 +7,8 @@ sidebar: false
 
 {{< figure
     src="/surveys/NumPy_usersurvey_2020_report_cover.png"
-    alt="Cover page of the 2020 Numpy User survey report, titled \"Numpyコミュニティ調査2020 - 結果\""
+    alt="Cover page of the 2020 Numpy User survey report"
+    title="Numpyコミュニティ調査2020 - 結果"
     width=250
 >}}
 

diff --git a/content/pt/user-survey-2020.md b/content/pt/user-survey-2020.md
@@ -7,7 +7,8 @@ Em 2020, o time de pesquisas do NumPy realizou a primeira pesquisa oficial sobre
 
 {{< figure
     src="/surveys/NumPy_usersurvey_2020_report_cover.png"
-    alt="Página de capa do relatório da pesquisa de usuários do NumPy 2020, chamado \"NumPy Community Survey 2020 - results\""
+    alt="Página de capa do relatório da pesquisa de usuários do NumPy 2020"
+    title="Pesquisa da Comunidade NumPy 2020 - resultados"
     width=250
 >}}
 

diff --git a/content/zh/404.md b/content/zh/404.md
@@ -0,0 +1,8 @@
+---
+title: 404
+sidebar: false
+---
+
+抱歉······ 目标网页并不存在。
+
+如果您认为这个页面应该展示些什么东西，请在 GitHub 上面 [发起一个 issue](https://github.com/numpy/numpy.org/issues). 
diff --git a/content/zh/_index.md b/content/zh/_index.md
@@ -0,0 +1,49 @@
+---
+title: NumPy
+---
+
+{{< grid columns="1 2 2 3" >}}
+
+[[item]]
+type = 'card'
+title = '强大的高维数组'
+body = '''
+Fast and versatile, the NumPy vectorization, indexing, and broadcasting concepts are the de-facto standards of array computing today.
+'''
+
+[[item]]
+type = 'card'
+title = '数字计算工具'
+body = '''
+NumPy offers comprehensive mathematical functions, random number generators, linear algebra routines, Fourier transforms, and more.
+'''
+
+[[item]]
+type = 'card'
+title = 'Open source'
+body = '''
+Distributed under a liberal [BSD license](https://github.com/numpy/numpy/blob/main/LICENSE.txt), NumPy is developed and maintained [publicly on GitHub](https://github.com/numpy/numpy) by a vibrant, responsive, and diverse [community](/community).
+'''
+
+[[item]]
+type = 'card'
+title = 'Interoperable'
+body = '''
+NumPy supports a wide range of hardware and computing platforms, and plays well with distributed, GPU, and sparse array libraries.
+'''
+
+[[item]]
+type = 'card'
+title = 'Performant'
+body = '''
+The core of NumPy is well-optimized C code. Enjoy the flexibility of Python with the speed of compiled code.
+'''
+
+[[item]]
+type = 'card'
+title = 'Easy to use'
+body = '''
+NumPy's high level syntax makes it accessible and productive for programmers from any background or experience level.
+'''
+
+{{< /grid>}}
diff --git a/content/zh/about.md b/content/zh/about.md
@@ -0,0 +1,84 @@
+---
+title: 关于我们
+sidebar: false
+---
+
+_下面是 NumPy 项目和社区的一些信息：_
+
+NumPy 是一个使 Python 支持数值计算的开源项目， 它诞生于 2005 年，早期由 Numeric 和 Numarray 库发展而来。 NumPy 将始终保证项目完整开源，所有人都可以根据 [修改后的 BSD 条款](https://github.com/numpy/numpy/blob/master/LICENSE.txt) 免费对其进行使用和分发。
+
+经过 NumPy 和 Python 科学计算社区协商讨论，最终决定将 NumPy 在 GitHub 上开源。 想要了解更多与社区治理有关的信息，请参阅我们的[治理文件](https://www.numpy.org/devdocs/dev/governance/index.html)。
+
+
+## 指导委员会
+
+指导委员会的成员们通过与 NumPy 社区合作并提供服务的形式来确保项目的长期发展，包括技术层面和社区层面。 NumPy 指导委员会目前由下列成员组成（按字母顺序排列）：
+
+- Sebastian Berg
+- Ralf Gommers
+- Charles Harris
+- Stephan Hoyer
+- Melissa Weber Mendonça
+- Inessa Pawson
+- Matti Picus
+- Stéfan van der Walt
+- Eric Wieser
+
+荣誉会员：
+
+- Travis Oliphant（项目创始人，2005-2012年）
+- Alex Griffing（2015-2017年）
+- Marten van Kerkwijk （2017-2019年）
+- Allan Haldane (2015-2021)
+- Nathaniel Smith (2012-2021)
+- Julian Taylor (2013-2021)
+- Pauli Virtanen (2008-2021)
+- Jaime Fernández del Río (2014-2021)
+
+
+## 团队
+
+NumPy 项目正在不断发展中，我们的团队成员负责：
+
+- 编码
+- 文档
+- 网站
+- 分类
+- 资金和赠款
+
+查看[团队](/teams/)页面以了解每个独立团队的成员信息。
+
+## NumFOCUS小组委员会
+
+- Charles Harris
+- Ralf Gommers
+- Melissa Weber Mendonça
+- Sebastian Berg
+- 外部成员：Thomas Caswell
+
+## 赞助商
+
+NumPy 直接从下列来源获得资金：
+{{< sponsors >}}
+
+
+## 机构合作伙伴
+
+机构合作伙伴指那些通过雇用为 NumPy 做贡献的人来支持该项目的组织。 目前的机构伙伴包括：
+
+- UC Berkeley (Stefan van der Walt, Sebastian Berg, Ross Barnowski)
+- Quansight(Ralf Gommers、Melissa Weber Mendonceda、Mars Lee、Matti Picus、Pearu Peterson)
+
+{{< partners >}}
+
+
+## 捐赠
+
+如果您发现 NumPy 对您的工作、研究或公司有用，请考虑向该项目发起捐款。 任何金额都有帮助！ 所有捐款将严格用于 NumPy 开源软件、文档和社区的开发。
+
+NumPy 是美国 501(c)(3) 非营利慈善机构 NumFOCUS 的一个赞助项目。 NumFOCUS 向 NumPy 提供财政、法律和行政支助，帮助确保该项目的健康和可持续性。 访问 [numfocus.org](https://numfocus.org) 获取更多信息。
+
+对 NumPy 的捐赠将由 [NumFOCUS](https://numfocus.org) 进行管理。 对于在美国的捐赠者，在法律规定的范围内，你的赠品可以免税。 如同任何捐赠一样，您应该与您的税务顾问商讨您的特定税务状况。
+
+NumPy 指导委员会将就如何最佳利用收到的任何资金作出决定。 技术和基础设施相关的优先事项已记录在 [NumPy 路线图](https://www.numpy.org/neps/index.html#roadmap) 上。
+{{< numfocus >}}
diff --git a/content/zh/arraycomputing.md b/content/zh/arraycomputing.md
@@ -0,0 +1,21 @@
+---
+title: 数组计算
+sidebar: false
+---
+
+*数组计算是统计学、数学和当代数据科学及应用(如数据可视化、数字信号处理、图像处理、生物信息学、机器学习、AI等) 中的科学计算领域的基础。*
+
+大规模数据操作和转换取决于高效率高性能的数组计算。 数据分析、机器学习和数值计算首选的语言是 **Python**。
+
+NumPy 是 Python 语言中支持大型、多维数组和矩阵计算、并附有大量高级数学功能的默认标准库。
+
+自2006年NumPy推出以来，Pandas于2008年出现，直到几年前，更多数组计算库才连续出现，充实数组计算领域。 许多这些较新库都具有类似NumPy的功能，包含较新的算法和功能，适合机器学习和人工智能应用。
+
+<img
+  src="/images/content_images/array_c_landscape.png"
+  alt="arraycl"
+  title="Array Computing Landscape" />
+
+**数组计算** 基于 **数组** 这一数据结构。 *数组*用于处理大量数据，使他们便于有效存储、搜索、计算和变换。
+
+数组计算是 *独特*的 ，因为它需要 *同时*操作整个数据阵列。 这意味着任何数组操作应用于整个数组的每个值。 这种向量化的方法使得程序员能够对数据进行整体操作，无需使用循环操作标量，从而使代码更高效和简洁。
diff --git a/content/zh/case-studies/blackhole-image.md b/content/zh/case-studies/blackhole-image.md
@@ -0,0 +1,70 @@
+---
+title: "案例研究：人类有史以来首张黑洞照片"
+sidebar: false
+---
+
+{{{< figure src="/images/content_images/cs/blackhole.jpg" caption="**Black Hole M87**" alt="black hole image" attr="*(Image Credits: Event Horizon Telesmall Collection Collaboration)*" attrlink="https://www.jpl.nasa.gov/images/universse/20190410/blackhole20190410.jpg" >}}
+
+<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs">
+    <p>理论上黑洞不可能被“看见”，M87黑洞的成像正试图打破这种限制</p>
+    <footer align="right">Katie Bouman, <cite>Assistant Professor, Computing & Mathocal Sciences, Caltech</cite></footer>
+</blockquote>
+
+## 一架和地球大小相当的望远镜
+
+[事件视界望远镜(EHT)](https://eventhorizontelescope.org) 是由八个地面射电望远镜组成的虚拟的类似地球大小的望远镜， 可以前所未有的敏感度和分辨率来了解宇宙。  这台巨大的虚拟望远镜使用一种称为超长基线干涉法 (VLBI)的技术， 其角分辨率为 [20 微弧秒][resolution] - EHT的分辨本领相当于从巴黎的一家人行道上的咖啡馆里阅读纽约的报纸！
+
+### 关键目标和成果
+
+* **关于宇宙的新观点:** 100年前，当 [亚瑟.爱丁顿爵士][eddington] 提出爱因斯坦的广义相对论的第一个观测证据时，就为EHT的开创性形象奠定了基础.
+
+* **黑洞成像：** EHT 在距离地球约5500万光年的超大质量黑洞上进行了训练，该黑洞位于处女座星系团梅西埃87(M87) 的中心。 它的质量是太阳的65亿倍。 它已经被研究了 [100多年](https://www.jpl.nasa.gov/news/news.php?feature=7385)，但从来没有一个黑洞被真正“看见”过。
+
+* **将观察结果与理论进行比较：** 从爱因斯坦的广义相对论来看， 科学家期望找到由引力弯曲和光捕获引发的阴影状区域。 科学家可以用它来测量黑洞的巨大质量。
+
+### 面临的挑战
+
+* **庞大的计算规模**
+
+    EHT带来了巨大的数据处理挑战，其中包括快速的大气层相位波动、极高的记录带宽以及相异且地理位置分散的望远镜。
+
+* **巨大的信息量**
+
+    EHT每天生成超过350TB的观测值，这些数据存储在充满氦气的硬盘驱动器中。 减少这么多数据的数量和复杂性是极其困难的。
+
+* **对未知的探索**
+
+    当目标是看到前所未见的事物时，科学家怎么才能确定图像是正确的？
+
+{{< figure src="/images/content_images/cs/dataprocessbh.png" class="csfigcaption" caption="**EHT Data Processing Pipeline**" alt="data pipeline" align="middle" attr="(Diagram Credits: The Astrophysical Journal, Event Horizon Telesrole Collection Collaboration)" attrlink="https://iopscience.op.org/article/10.3847/2041-8213/ab0c57" >}}
+
+## NumPy的角色
+
+如果数据有问题，怎么办？ 或者一个算法过于依赖某个特定的假设。 如果单个参数被更改，图像是否会发生剧烈变化？
+
+EHT协作组织为了应对上述挑战，让不同的独立小组使用现有的最先进的图像重建技术来评估数据。 当结果被证明是一致时，将这些结果合并以产生黑洞的第一张图像。
+
+他们的工作说明了Python科学生态系统通过协作数据分析在 推进科学方面发挥的重要作用。
+
+{{< figure src="/images/content_images/cs/bh_numpy_role.png" class="fig-center" alt="role of numpy" caption="**NumPy在黑洞成像中的作用**" >}}
+
+例如， [`eht-imaging`][ehtim] 这个Python 软件包提供了 在 VLBI 数据上模拟和执行图像重建的工具。 NumPy 是这个包中使用的数组数据处理的核心，下面的部分软件 依赖关系图说明了这一点。
+
+{{< figure src="/images/content_images/cs/ehtim_numpy.png" class="fig-center" alt="numpy在ehtim软件依赖关系中的地位" caption="**numpy在ehtim软件依赖关系中的重要地位**" >}}
+
+除了NumPy以外，许多其他软件包，例如 [SciPy](https://www.scipy.org) 和 [Pandas](https://pandas.io), 也是用于黑洞成像的数据处理管道的一部分。 标准天文学文件格式和时间/坐标转换 由 [Astropy][astropy]处理， 而 [Matplotlib][mpl] 被用于在整个分析管道中的数据可视化，包括生成黑洞的最终图像。
+
+## 总结
+
+作为NumPy的核心功能，高效且拓展性强的N维数组使研究人员能够操作大规模数据集，从而为人类有史以来首张黑洞的成像提供坚实基础。 这是整个科学史中具有里程碑意义的时刻，它为爱因斯坦的理论提供了有力的佐证。 这项成就不仅包括技术突破，还见证了包括200多位科学家与世界上最好的无线电观测站之间的国际合作。  创新的算法和数据处理技术改进了现有的天文模型，帮助我们揭开宇宙的神秘面纱。
+
+{{< figure src="/images/content_images/cs/numpy_bh_benefits.png" class="fig-center" alt="numpy benefits" caption="**NumPy核心能力的运用**" >}}
+
+[resolution]: https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole
+
+[eddington]: https://en.wikipedia.org/wiki/Eddington_experiment
+
+[ehtim]: https://github.com/achael/eht-imaging
+
+[astropy]: https://www.astropy.org/
+[mpl]: https://matplotlib.org/