上篇文章（致癌离我们远吗？）我们了解癌症基本常识，下面我们讨论一下癌细胞产生原因。
医生常说抽烟致癌，不要抽烟，但实际生活中抽烟长寿的人不少，我的姨婆九十多岁了，每日抽烟喝酒，身体也不错。决定癌症的因素很多，例如遗传，饮食，起居时间，居住环境，化工污染等等。下图转自一份医学研究，说明没有任何食物百分之百致癌或抑制癌症。
什么人容易患癌症？当诸多不利因素累积，超过一定量后，患癌症概率大。我们假设一个数据挖掘的分类器cancer，分类器由六个因素组成，当六个因素得分总和超过3时为癌症，得分总和小于3时为非癌症。
1表示是，0表示否。 抽烟=1分，非均衡饮食=1分，喝酒=1分，睡眠不足7小时=1分，环境污染=1分，情绪抑郁=1分；反之亦然不抽烟=0分，不喝酒=0分，睡眠充足=0分，环境无污染=0分，情绪良好=0分。张三抽烟，非均衡饮食，抽烟，喝酒，睡眠不足，环境污染，情绪良好，总分为1+1+1+1+1+0=5分，总得分大于3，分类器判断张三患癌症概率高。李四不抽烟，不喝酒，睡眠充足，环境无污染，情绪不好，总分为0+0+0+0+0+1=1分，总得分小于3，分类器判断李四患癌症概率低（例子只是假设，方便大家理解分类器原理）。
根据分类器原理，我们用python来可视化细胞生死，模拟生命。从一个随机初始化的二维方形网格开始，网格中的每一个细胞状态可能是生或死，由其相邻8个细胞决定。在这个规则下可以使用卷积进行计算，我们需要scipy工具完成卷积计算。
Anaconda下展示，生成闪烁的动态细胞图，细胞生死会不停变化，直到停止。
做过蒙特卡洛试验的朋友会有感悟：决定一个系统走势是多因素构成，而非单一因素决定。
程序调用了python的pygame,numpy,scipy三个模块。Pygame用于写游戏；numpy用于矩阵运算；scipy是numpy的高级版本，用于更高级的自然科学应用，例如信号处理，傅里叶分析。
此函数用于 绘制十字架。
def draw_cross(pixar):
(posx,posy)=pygame.mouse.get_pos()
pixar[posx,:]=1
pixar[:,posy]=1
此函数用于随机初始化网格
def random_init(n):
return np.random.random_integers(0,1,(n,n))
所有代码最终汇集于文章末尾。
（放大可视化的细胞集合图，每一个细胞状态可能是生或死，由其相邻8个细胞决定）
经过计算机模拟生命，我们得到最终答案。癌症是由多因素共同决定的，而非单因素决定。当你的饮食，起居，办公环境，情绪，辐射，免疫力都很糟时，你要注意了，积极调整，更换环境，否则死神就可能来敲门了。
代码来自Ivan Idris物理博士的分享，经本人测试，可以完美运行，如果有问题可以发邮件给我231469242@qq.com