Dostępne biblioteki Pythona
Na tej stronie
Środowisko piaskownicy Pythona
Piaskownica Pythona do wykonywania kodu nie jest okrojonym środowiskiem. Zawiera zestaw wstępnie zainstalowanych bibliotek naukowych i do analizy danych. Znajomość tych bibliotek jest kluczowa, aby w pełni wykorzystać możliwości wykonywania kodu i zrozumieć, o co możesz – a o co nie możesz – poprosić model.
Biblioteki podstawowe
NumPy — Obliczenia numeryczne
NumPy to fundamentalna biblioteka do obliczeń numerycznych w Pythonie. W piaskownicy umożliwia:
- Operacje na tablicach wielowymiarowych
- Algebrę liniową (macierze, wektory, dekompozycje)
- Generowanie liczb losowych
- Transformaty Fouriera
- Zaawansowane funkcje matematyczne
# Model może napisać i wykonać ten rodzaj kodu
import numpy as np
# Wygeneruj losową macierz i oblicz jej wartości własne
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)
Pandas — Manipulacja danymi
Pandas to standardowa biblioteka do manipulacji danymi tabelarycznymi:
- Tworzenie i przekształcanie obiektów DataFrame
- Czyszczenie i przygotowywanie danych
- Agregacje i grupowanie
- Statystyki opisowe
- Tabele przestawne i operacje łączenia
import pandas as pd
# Analiza danych strukturalnych
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 — Wizualizacja
Matplotlib pozwala tworzyć wykresy i wizualizacje:
- Wykresy liniowe, słupkowe i kołowe
- Histogramy i rozkłady
- Wykresy z wieloma osiami
- Zaawansowane dostosowania (kolory, legendy, adnotacje)
Model może generować wykresy, ale ich wyświetlanie zależy od tego, jak obsłużysz odpowiedź w swojej aplikacji.
SciPy — Obliczenia naukowe
SciPy rozszerza NumPy o zaawansowane funkcje naukowe:
- Optymalizacja i minimalizacja funkcji
- Interpolacja i całkowanie numeryczne
- Przetwarzanie sygnałów
- Zaawansowana statystyka (testy hipotez, rozkłady)
- Rozwiązywanie równań różniczkowych
O co możesz poprosić
Dzięki tym bibliotekom model może wykonywać szeroki zakres zadań:
Obliczenia matematyczne
- Rozwiązywanie równań i układów równań
- Obliczenia macierzowe i algebra liniowa
- Statystyki opisowe i wnioskowanie statystyczne
- Analiza kombinatoryczna i prawdopodobieństwo
Analiza danych
- Czyszczenie i przekształcanie zbiorów danych
- Agregacje i statystyki grupowe
- Wykrywanie anomalii i wartości odstających
- Korelacje i regresje
Modelowanie finansowe
- Obliczenia stopy zwrotu i ryzyka (Sharpe, Sortino)
- Optymalizacja portfela
- Modele wyceny
- Symulacje Monte Carlo
Obliczenia naukowe
- Rozwiązywanie równań różniczkowych
- Symulacje fizyczne
- Analiza szeregów czasowych
- Przetwarzanie danych eksperymentalnych
Czego nie możesz zrobić
Piaskownica nie pozwala na:
- Instalowanie nowych bibliotek (
pip installjest niedostępne) - Używanie bibliotek uczenia maszynowego (brak scikit-learn, TensorFlow, PyTorch)
- Dostęp do zewnętrznych API lub sieci
- Odczyt plików z Twojego lokalnego systemu
Jeśli Twój przypadek użycia wymaga bibliotek niedostępnych w piaskownicy, będziesz musiał uruchomić wygenerowany kod we własnym środowisku Pythona.
Kluczowe wnioski
- Piaskownica zawiera NumPy, Pandas, Matplotlib, SciPy i inne powszechne pakiety
- Biblioteki te obejmują obliczenia numeryczne, analizę danych, wizualizację i obliczenia naukowe
- Instalacja dodatkowych bibliotek jest niemożliwa
- Biblioteki ML (scikit-learn, TensorFlow) są niedostępne
- Model automatycznie wykorzystuje odpowiednią bibliotekę do żądanego zadania