Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Saadaolevad Pythoni teegid

Õppetund 13 / 16 Värskendatud 30. juuli 2026 Arendajatele
Sellel lehel
  1. Liivakasti Pythoni keskkond
  2. Põhiteegid
  3. Mida saad küsida
  4. Mida sa ei saa teha
  5. Peamised punktid

Liivakasti Pythoni keskkond

Koodi täitmise Pythoni liivakast ei ole paljas Pythoni keskkond. See sisaldab eelinstalleeritud teaduslike ja andmeanalüüsi teekide komplekti. Nende teekide tundmine on hädavajalik, et kasutada koodi täitmise võimalusi täiel määral ära ja mõista, mida sa mudelilt küsida saad – ja mida mitte.

Põhiteegid

NumPy – arvutuslik matemaatika

NumPy on Pythoni põhiteek arvutuslikuks matemaatikaks. Liivakastis võimaldab see:

  • Mitmemõõtmeliste massiivide operatsioone
  • Lineaaralgebrat (maatriksid, vektorid, lahutused)
  • Juhuslike arvude genereerimist
  • Fourier’ teisendusi
  • Täiustatud matemaatilisi funktsioone
# Mudel saab seda tüüpi koodi kirjutada ja käivitada
import numpy as np

# Genereeri juhuslik maatriks ja arvuta selle omaväärtused
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)

Pandas – andmete manipuleerimine

Pandas on standardteek tabelandmete töötlemiseks:

  • DataFrame’ide loomine ja teisendamine
  • Andmete puhastamine ja ettevalmistamine
  • Agregeerimine ja rühmitamine
  • Kirjeldav statistika
  • Pivot-tabelid ja liitmistehted
import pandas as pd

# Analüüsi struktureeritud andmeid
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 – visualiseerimine

Matplotlib võimaldab luua graafikuid ja visualiseeringuid:

  • Joon-, tulp- ja sektordiagrammid
  • Histogrammid ja jaotused
  • Mitme teljega graafikud
  • Täiustatud kohandamine (värvid, legendid, annotatsioonid)

Mudel saab graafikuid genereerida, kuid nende kuvamine sõltub sellest, kuidas sa vastust oma rakenduses käsitled.

SciPy – teaduslikud arvutused

SciPy laiendab NumPy’t täiustatud teaduslike funktsioonidega:

  • Optimeerimine ja funktsioonide minimeerimine
  • Interpolatsioon ja numbriline integreerimine
  • Signaalitöötlus
  • Täiustatud statistika (hüpoteeside testimine, jaotused)
  • Diferentsiaalvõrrandite lahendamine

Mida saad küsida

Nende teekide abil saab mudel sooritada laia valikut ülesandeid:

Matemaatilised arvutused

  • Võrrandite ja võrrandisüsteemide lahendamine
  • Maatriksarvutused ja lineaaralgebra
  • Kirjeldav ja järeldav statistika
  • Kombinatoorne analüüs ja tõenäosused

Andmeanalüüs

  • Andmestike puhastamine ja teisendamine
  • Agregeerimine ja rühmastatistika
  • Anomaaliate tuvastamine ja hälbed
  • Korrelatsioonid ja regressioonid

Finantsmodelleerimine

  • Tootluse ja riski arvutused (Sharpe, Sortino)
  • Portfelli optimeerimine
  • Hindamismudelid
  • Monte Carlo simulatsioonid

Teaduslikud arvutused

  • Diferentsiaalvõrrandite lahendamine
  • Füüsikalised simulatsioonid
  • Ajareade analüüs
  • Eksperimentaalsete andmete töötlemine

Mida sa ei saa teha

Liivakast ei luba sul:

  • Uusi teeke installida (pip install pole saadaval)
  • Kasutada masinõppe teeke (scikit-learn, TensorFlow, PyTorch puuduvad)
  • Pöörduda väliste API-de või võrgu poole
  • Lugeda faile oma kohalikust süsteemist

Kui sinu kasutusjuhtum nõuab liivakastis puuduvaid teeke, pead genereeritud koodi käivitama omaenda Pythoni keskkonnas.

Peamised punktid

  • Liivakast sisaldab NumPy, Pandas, Matplotlib, SciPy ja muid levinud pakette
  • Need teegid katavad arvutusliku matemaatika, andmeanalüüsi, visualiseerimise ja teaduslikud arvutused
  • Täiendavate teekide installimine pole võimalik
  • Masinõppe teegid (scikit-learn, TensorFlow) pole saadaval
  • Mudel kasutab automaatselt taotletud ülesande jaoks õiget teeki