Elérhető Python-könyvtárak
Ezen az oldalon
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 installnem 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