Dostupne Python biblioteke
Na ovoj stranici
Python okruženje u pješčaniku
Python pješčanik za izvršavanje koda nije golo osnovno okruženje. Dolazi s unaprijed instaliranim skupom znanstvenih biblioteka i biblioteka za analizu podataka. Poznavanje ovih biblioteka ključno je za potpuno iskorištavanje mogućnosti izvršavanja koda i razumijevanje što možeš – a što ne možeš – tražiti od modela.
Temeljne biblioteke
NumPy — Numeričko računanje
NumPy je temeljna biblioteka za numeričko računanje u Pythonu. U pješčaniku omogućuje:
- Operacije s višedimenzionalnim poljima
- Linearnu algebru (matrice, vektori, dekompozicije)
- Generiranje slučajnih brojeva
- Fourierove transformacije
- Napredne matematičke funkcije
# Model može napisati i izvršiti ovu vrstu koda
import numpy as np
# Generiraj slučajnu matricu i izračunaj njezine svojstvene vrijednosti
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)
Pandas — Manipulacija podacima
Pandas je standardna biblioteka za manipulaciju tabličnim podacima:
- Stvaranje i transformacija DataFrame objekata
- Čišćenje i priprema podataka
- Agregacije i grupiranje
- Deskriptivna statistika
- Pivot tablice i operacije spajanja
import pandas as pd
# Analiziraj strukturirane podatke
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 — Vizualizacija
Matplotlib ti omogućuje stvaranje grafikona i vizualizacija:
- Linijski, stupčasti i kružni dijagrami
- Histogrami i distribucije
- Grafovi s više osi
- Napredno prilagođavanje (boje, legende, bilješke)
Model može generirati grafikone, ali njihovo prikazivanje ovisi o tome kako obrađuješ odgovor u svojoj aplikaciji.
SciPy — Znanstveno računanje
SciPy proširuje NumPy naprednim znanstvenim značajkama:
- Optimizacija i minimizacija funkcija
- Interpolacija i numerička integracija
- Obradba signala
- Napredna statistika (testiranje hipoteza, distribucije)
- Rješavanje diferencijalnih jednadžbi
Što možeš zatražiti
Uz ove biblioteke, model može obavljati širok spektar zadataka:
Matematički izračuni
- Rješavanje jednadžbi i sustava jednadžbi
- Matrični izračuni i linearna algebra
- Deskriptivna i inferencijalna statistika
- Kombinatorna analiza i vjerojatnosti
Analiza podataka
- Čišćenje i transformacija skupova podataka
- Agregacije i grupna statistika
- Detekcija anomalija i ekstremnih vrijednosti
- Korelacije i regresije
Financijsko modeliranje
- Izračuni prinosa i rizika (Sharpe, Sortino)
- Optimizacija portfelja
- Modeli vrednovanja
- Monte Carlo simulacije
Znanstveno računanje
- Rješavanje diferencijalnih jednadžbi
- Fizičke simulacije
- Analiza vremenskih serija
- Obradba eksperimentalnih podataka
Što ne možeš učiniti
Pješčanik ne dopušta:
- Instalaciju novih biblioteka (
pip installnije dostupan) - Korištenje biblioteka za strojno učenje (nema scikit-learn, TensorFlow, PyTorch)
- Pristup vanjskim API-jima ili mreži
- Čitanje datoteka s tvog lokalnog sustava
Ako tvoj slučaj upotrebe zahtijeva biblioteke koje nisu dostupne u pješčaniku, morat ćeš pokrenuti generirani kod u vlastitom Python okruženju.
Ključne točke
- Pješčanik uključuje NumPy, Pandas, Matplotlib, SciPy i druge uobičajene pakete
- Ove biblioteke pokrivaju numeričko računanje, analizu podataka, vizualizaciju i znanstveno računanje
- Instalacija dodatnih biblioteka nije moguća
- Biblioteke za strojno učenje (scikit-learn, TensorFlow) nisu dostupne
- Model automatski koristi pravu biblioteku za zatraženi zadatak