Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Elérhető Python-könyvtárak

13. lecke 16 közül Frissítve 2026. július 30. Fejlesztő
Ezen az oldalon
  1. A homokozó Python-környezet
  2. Alapvető könyvtárak
  3. Amit kérhetsz
  4. Amit nem tehetsz
  5. Főbb megállapítások

A homokozó Python-környezet

A Kódfuttatás Python-homokozója nem egy alapvető, csupasz Python-környezet. Tartalmaz egy előre telepített tudományos és adatelemző könyvtárkészletet. Ezen könyvtárak ismerete elengedhetetlen ahhoz, hogy teljes mértékben kiaknázd a Kódfuttatás lehetőségeit, és megértsd, mit kérhetsz – és mit nem – a modelltől.

Alapvető könyvtárak

NumPy – Numerikus számítások

A NumPy a numerikus számítások alapvető könyvtára Pythonban. A homokozóban a következőket teszi lehetővé:

  • Többdimenziós tömbműveletek
  • Lineáris algebra (mátrixok, vektorok, felbontások)
  • Véletlenszám-generálás
  • Fourier-transzformációk
  • Haladó matematikai függvények
# A modell képes ilyen típusú kódot írni és futtatni
import numpy as np

# Véletlen mátrix generálása és sajátértékeinek kiszámítása
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)

Pandas – Adatmanipuláció

A Pandas a táblázatos adatok manipulációjának szabványos könyvtára:

  • DataFrame-ek létrehozása és transzformálása
  • Adatok tisztítása és előkészítése
  • Aggregációk és csoportosítás
  • Leíró statisztikák
  • Pivot táblák és összekapcsolási (join) műveletek
import pandas as pd

# Strukturált adatok elemzése
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 – Vizualizáció

A Matplotlib lehetővé teszi diagramok és vizualizációk létrehozását:

  • Vonal-, oszlop- és kördiagramok
  • Hisztogramok és eloszlások
  • Többtengelyes ábrák
  • Haladó testreszabás (színek, legendák, annotációk)

A modell képes diagramokat generálni, de megjelenítésük attól függ, hogyan kezeled a választ az alkalmazásodban.

SciPy – Tudományos számítások

A SciPy kiterjeszti a NumPy-t haladó tudományos funkciókkal:

  • Optimalizálás és függvényminimalizálás
  • Interpoláció és numerikus integrálás
  • Jelfeldolgozás
  • Haladó statisztika (hipotézisvizsgálat, eloszlások)
  • Differenciálegyenletek megoldása

Amit kérhetsz

Ezekkel a könyvtárakkal a modell feladatok széles skáláját képes elvégezni:

Matematikai számítások

  • Egyenletek és egyenletrendszerek megoldása
  • Mátrixszámítások és lineáris algebra
  • Leíró és következtető statisztikák
  • Kombinatorikai elemzés és valószínűségszámítás

Adatelemzés

  • Adatkészletek tisztítása és transzformálása
  • Aggregációk és csoportstatisztikák
  • Anomáliadetektálás és kiugró értékek azonosítása
  • Korrelációk és regressziók

Pénzügyi modellezés

  • Hozam- és kockázatszámítások (Sharpe, Sortino)
  • Portfólió-optimalizálás
  • Értékelési modellek
  • Monte Carlo-szimulációk

Tudományos számítások

  • Differenciálegyenletek megoldása
  • Fizikai szimulációk
  • Idősorelemzés
  • Kísérleti adatok feldolgozása

Amit nem tehetsz

A homokozó nem teszi lehetővé a következőket:

  • Új könyvtárak telepítése (a pip install nem elérhető)
  • Gépi tanulási könyvtárak használata (nincs scikit-learn, TensorFlow, PyTorch)
  • Külső API-k vagy a hálózat elérése
  • Fájlok olvasása a helyi rendszeredből

Ha az eseted olyan könyvtárakat igényel, amelyek nem elérhetők a homokozóban, a generált kódot a saját Python-környezetedben kell futtatnod.

Főbb megállapítások

  • A homokozó tartalmazza a NumPy, Pandas, Matplotlib, SciPy és egyéb gyakori csomagokat
  • Ezek a könyvtárak lefedik a numerikus számításokat, az adatelemzést, a vizualizációt és a tudományos számítást
  • További könyvtárak telepítése nem lehetséges
  • A gépi tanulási könyvtárak (scikit-learn, TensorFlow) nem elérhetők
  • A modell automatikusan a megfelelő könyvtárat használja a kért feladathoz