Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Dostupne Python biblioteke

Lekcija 13 od 16 Ažurirano 30. srpnja 2026. Programer
Na ovoj stranici
  1. Python okruženje u pješčaniku
  2. Temeljne biblioteke
  3. Što možeš zatražiti
  4. Što ne možeš učiniti
  5. Ključne točke

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 install nije 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