Dostupné knihovny Pythonu
Na této stránce
Pískoviště Pythonu
Pískoviště Pythonu pro provádění kódu není holé prostředí. Obsahuje sadu předinstalovaných vědeckých knihoven a nástrojů pro analýzu dat. Znalost těchto knihoven je klíčová pro plné využití možností provádění kódu a pro pochopení toho, co můžeš – a co nemůžeš – od modelu požadovat.
Základní knihovny
NumPy – Numerické výpočty
NumPy je základní knihovna pro numerické výpočty v Pythonu. V pískovišti umožňuje:
- Operace s vícerozměrnými poli
- Lineární algebru (matice, vektory, dekompozice)
- Generování náhodných čísel
- Fourierovy transformace
- Pokročilé matematické funkce
# Model umí napsat a spustit tento typ kódu
import numpy as np
# Vygenerovat náhodnou matici a spočítat její vlastní čísla
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)
Pandas – Manipulace s daty
Pandas je standardní knihovna pro práci s tabulkovými daty:
- Vytváření a transformace DataFrame
- Čištění a příprava dat
- Agregace a seskupování
- Popisná statistika
- Kontingenční tabulky a operace spojení
import pandas as pd
# Analýza strukturovaných dat
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 – Vizualizace
Matplotlib ti umožňuje vytvářet grafy a vizualizace:
- Čárové, sloupcové a koláčové grafy
- Histogramy a rozdělení
- Grafy s více osami
- Pokročilé přizpůsobení (barvy, legendy, popisky)
Model umí generovat grafy, ale jejich zobrazení závisí na tom, jak zpracuješ odpověď ve své aplikaci.
SciPy – Vědecké výpočty
SciPy rozšiřuje NumPy o pokročilé vědecké funkce:
- Optimalizace a minimalizace funkcí
- Interpolace a numerická integrace
- Zpracování signálů
- Pokročilá statistika (testování hypotéz, rozdělení)
- Řešení diferenciálních rovnic
Co můžeš požadovat
Díky těmto knihovnám dokáže model provádět širokou škálu úkolů:
Matematické výpočty
- Řešení rovnic a soustav rovnic
- Maticové výpočty a lineární algebra
- Popisná a induktivní statistika
- Kombinatorická analýza a pravděpodobnost
Analýza dat
- Čištění a transformace datových sad
- Agregace a statistiky podle skupin
- Detekce anomálií a odlehlých hodnot
- Korelace a regrese
Finanční modelování
- Výpočty výnosnosti a rizika (Sharpe, Sortino)
- Optimalizace portfolia
- Oceňovací modely
- Simulace Monte Carlo
Vědecké výpočty
- Řešení diferenciálních rovnic
- Fyzikální simulace
- Analýza časových řad
- Zpracování experimentálních dat
Co dělat nemůžeš
Pískoviště neumožňuje:
- Instalovat nové knihovny (
pip installnení k dispozici) - Používat knihovny pro strojové učení (žádný scikit-learn, TensorFlow, PyTorch)
- Přistupovat k externím API nebo síti
- Číst soubory z tvého lokálního systému
Pokud tvůj případ použití vyžaduje knihovny, které v pískovišti nejsou dostupné, budeš muset vygenerovaný kód spustit ve svém vlastním prostředí Pythonu.
Klíčové poznatky
- Pískoviště obsahuje NumPy, Pandas, Matplotlib, SciPy a další běžné balíčky
- Tyto knihovny pokrývají numerické výpočty, analýzu dat, vizualizaci a vědecké výpočty
- Instalace dalších knihoven není možná
- Knihovny pro strojové učení (scikit-learn, TensorFlow) nejsou dostupné
- Model automaticky využije správnou knihovnu pro požadovaný úkol