Librerie Python disponibili
In questa pagina
L’ambiente sandbox Python
La sandbox Python per l’esecuzione del codice non è un ambiente minimale. Include un conjunto di librerie scientifiche e di analisi dati preinstallate. Conoscerle è essenziale per sfruttare appieno le capacità di esecuzione del codice e capire cosa puoi — e cosa non puoi — chiedere al modello di fare.
Librerie fondamentali
NumPy — Calcolo numerico
NumPy è la libreria fondamentale per il calcolo numerico in Python. Nella sandbox, ti permette di:
- Eseguire operazioni su array multidimensionali
- Fare algebra lineare (matrici, vettori, decomposizioni)
- Generare numeri casuali
- Effettuare trasformate di Fourier
- Utilizzare funzioni matematiche avanzate
# Il modello può scrivere ed eseguire questo tipo di codice
import numpy as np
# Genera una matrice casuale e calcola i suoi autovalori
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)
Pandas — Manipolazione dei dati
Pandas è la libreria standard per la manipolazione di dati tabellari:
- Creare e trasformare DataFrame
- Pulire e preparare i dati
- Eseguire aggregazioni e raggruppamenti
- Calcolare statistiche descrittive
- Creare tabelle pivot ed eseguire operazioni di join
import pandas as pd
# Analizza dati strutturati
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 — Visualizzazione
Matplotlib ti permette di creare grafici e visualizzazioni:
- Grafici a linee, a barre e a torta
- Istogrammi e distribuzioni
- Grafici con assi multipli
- Personalizzazione avanzata (colori, legende, annotazioni)
Il modello può generare grafici, ma la loro visualizzazione dipende da come gestisci la risposta nella tua applicazione.
SciPy — Calcolo scientifico
SciPy estende NumPy con funzionalità scientifiche avanzate:
- Ottimizzazione e minimizzazione di funzioni
- Interpolazione e integrazione numerica
- Elaborazione del segnale
- Statistica avanzata (test di ipotesi, distribuzioni)
- Risoluzione di equazioni differenziali
Cosa puoi richiedere
Grazie a queste librerie, il modello può eseguire un’ampia gamma di compiti:
Calcoli matematici
- Risolvere equazioni e sistemi di equazioni
- Eseguire calcoli matriciali e di algebra lineare
- Effettuare statistiche descrittive e inferenziali
- Fare analisi combinatoria e calcoli di probabilità
Analisi dei dati
- Pulire e trasformare dataset
- Eseguire aggregazioni e statistiche di gruppo
- Rilevare anomalie e valori anomali (outlier)
- Calcolare correlazioni e regressioni
Modellazione finanziaria
- Calcolare rendimenti e rischi (Sharpe, Sortino)
- Ottimizzare portafogli
- Applicare modelli di valutazione
- Eseguire simulazioni Monte Carlo
Calcolo scientifico
- Risolvere equazioni differenziali
- Effettuare simulazioni fisiche
- Analizzare serie temporali
- Elaborare dati sperimentali
Cosa non puoi fare
La sandbox non ti permette di:
- Installare nuove librerie (
pip installnon è disponibile) - Usare librerie di machine learning (niente scikit-learn, TensorFlow, PyTorch)
- Accedere ad API esterne o alla rete
- Leggere file dal tuo sistema locale
Se il tuo caso d’uso richiede librerie non presenti nella sandbox, dovrai eseguire il codice generato nel tuo ambiente Python personale.
Punti chiave
- La sandbox include NumPy, Pandas, Matplotlib, SciPy e altri pacchetti comuni
- Queste librerie coprono calcolo numerico, analisi dati, visualizzazione e calcolo scientifico
- Non è possibile installare librerie aggiuntive
- Le librerie di ML (scikit-learn, TensorFlow) non sono disponibili
- Il modello utilizza automaticamente la libreria corretta per il compito richiesto