Налични библиотеки за Python
На тази страница
Пясъчникът за изпълнение на Python код
Пясъчникът за изпълнение на Python код не е оскъдна среда за Python. Той включва набор от предварително инсталирани библиотеки за научни изчисления и анализ на данни. Познаването на тези библиотеки е от съществено значение, за да използвате пълноценно възможностите за изпълнение на код и да разберете какво можете – и какво не можете – да поискате от модела.
Основни библиотеки
NumPy — Числени изчисления
NumPy е фундаменталната библиотека за числени изчисления в Python. В пясъчника тя позволява:
- Операции с многомерни масиви
- Линейна алгебра (матрици, вектори, декомпозиции)
- Генериране на случайни числа
- Преобразувания на Фурие
- Разширени математически функции
# Моделът може да напише и изпълни този тип код
import numpy as np
# Генериране на случайна матрица и изчисляване на собствените ѝ стойности
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)
Pandas — Манипулация на данни
Pandas е стандартната библиотека за работа с таблични данни:
- Създаване и трансформиране на DataFrames
- Почистване и подготовка на данни
- Агрегации и групиране
- Описателна статистика
- Обобщени таблици и операции за свързване (join)
import pandas as pd
# Анализ на структурирани данни
df = pd.DataFrame({
'product': ['A', 'B', 'C', 'A', 'B'],
'sales': [100, 150, 80, 120, 200],
'month': ['Jan', 'Jan', 'Jan', 'Feb', 'Feb']
})
resume = df.groupby('product')['sales'].agg(['mean', 'sum', 'count'])
Matplotlib — Визуализация
Matplotlib Ви позволява да създавате графики и визуализации:
- Линейни, стълбовидни и кръгови диаграми
- Хистограми и разпределения
- Графики с множество оси
- Разширено персонализиране (цветове, легенди, анотации)
Моделът може да генерира графики, но тяхното визуализиране зависи от начина, по който обработвате отговора във Вашето приложение.
SciPy — Научни изчисления
SciPy разширява NumPy с усъвършенствани научни функции:
- Оптимизация и минимизиране на функции
- Интерполация и числено интегриране
- Обработка на сигнали
- Разширена статистика (проверка на хипотези, разпределения)
- Решаване на диференциални уравнения
Какво можете да поискате
С тези библиотеки моделът може да изпълнява широк спектър от задачи:
Математически изчисления
- Решаване на уравнения и системи от уравнения
- Матрични изчисления и линейна алгебра
- Описателна и инференциална статистика
- Комбинаторен анализ и вероятности
Анализ на данни
- Почистване и трансформиране на набори от данни
- Агрегации и групова статистика
- Откриване на аномалии и отклонения
- Корелации и регресии
Финансово моделиране
- Изчисления на възвръщаемост и риск (Sharpe, Sortino)
- Оптимизация на портфейли
- Модели за оценка
- Симулации на Монте Карло
Научни изчисления
- Решаване на диференциални уравнения
- Физически симулации
- Анализ на времеви редове
- Обработка на експериментални данни
Какво не можете да правите
Пясъчникът не позволява:
- Инсталиране на нови библиотеки (
pip installне е налично) - Използване на библиотеки за машинно обучение (няма scikit-learn, TensorFlow, PyTorch)
- Достъп до външни API или мрежата
- Четене на файлове от Вашата локална система
Ако Вашият случай на употреба изисква библиотеки, които не са налични в пясъчника, ще трябва да изпълните генерирания код във Ваша собствена Python среда.
Ключови изводи
- Пясъчникът включва NumPy, Pandas, Matplotlib, SciPy и други често срещани пакети
- Тези библиотеки покриват числени изчисления, анализ на данни, визуализация и научни изчисления
- Инсталирането на допълнителни библиотеки не е възможно
- Библиотеки за машинно обучение (scikit-learn, TensorFlow) не са налични
- Моделът автоматично използва правилната библиотека за поисканата задача