Biblioteci Python disponibile
Pe această pagină
Mediul sandbox Python
Sandbox-ul Python pentru executarea codului nu este un mediu Python minimal. Acesta include un set de biblioteci preinstalate pentru calcul științific și analiză de date. Cunoașterea acestor biblioteci este esențială pentru a valorifica pe deplin capacitățile de executare a codului și pentru a înțelege ce puteți — și ce nu puteți — solicita modelului să facă.
Biblioteci de bază
NumPy — Calcul numeric
NumPy este biblioteca fundamentală pentru calculul numeric în Python. În sandbox, aceasta permite:
- Operații cu tablouri multidimensionale
- Algebră liniară (matrice, vectori, descompuneri)
- Generarea de numere aleatoare
- Transformate Fourier
- Funcții matematice avansate
# Modelul poate scrie și executa acest tip de cod
import numpy as np
# Generează o matrice aleatoare și calculează valorile proprii
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)
Pandas — Manipularea datelor
Pandas este biblioteca standard pentru manipularea datelor tabulare:
- Crearea și transformarea obiectelor DataFrame
- Curățarea și pregătirea datelor
- Agregări și grupări
- Statistici descriptive
- Tabele pivot și operațiuni de join
import pandas as pd
# Analiza datelor structurate
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 — Vizualizare
Matplotlib vă permite să creați grafice și vizualizări:
- Grafice liniare, cu bare și circulare
- Histograme și distribuții
- Grafice cu axe multiple
- Personalizare avansată (culori, legende, adnotări)
Modelul poate genera grafice, dar afișarea lor depinde de modul în care gestionați răspunsul în aplicația dumneavoastră.
SciPy — Calcul științific
SciPy extinde NumPy cu funcționalități științifice avansate:
- Optimizare și minimizare de funcții
- Interpolare și integrare numerică
- Procesarea semnalelor
- Statistici avansate (teste de ipoteze, distribuții)
- Rezolvarea ecuațiilor diferențiale
Ce puteți solicita
Cu aceste biblioteci, modelul poate efectua o gamă largă de sarcini:
Calcule matematice
- Rezolvarea ecuațiilor și a sistemelor de ecuații
- Calcule matriciale și algebră liniară
- Statistici descriptive și inferențiale
- Analiză combinatorie și probabilități
Analiza datelor
- Curățarea și transformarea seturilor de date
- Agregări și statistici pe grupuri
- Detectarea anomaliilor și a valorilor aberante
- Corelații și regresii
Modelare financiară
- Calcule de randament și risc (Sharpe, Sortino)
- Optimizarea portofoliului
- Modele de evaluare
- Simulări Monte Carlo
Calcul științific
- Rezolvarea ecuațiilor diferențiale
- Simulări fizice
- Analiza seriilor temporale
- Procesarea datelor experimentale
Ce nu puteți face
Sandbox-ul nu permite:
- Instalarea de noi biblioteci (
pip installnu este disponibil) - Utilizarea bibliotecilor de învățare automată (nu există scikit-learn, TensorFlow, PyTorch)
- Accesarea API-urilor externe sau a rețelei
- Citirea fișierelor de pe sistemul dumneavoastră local
Dacă cazul dumneavoastră de utilizare necesită biblioteci indisponibile în sandbox, va trebui să rulați codul generat în propriul mediu Python.
Puncte cheie
- Sandbox-ul include NumPy, Pandas, Matplotlib, SciPy și alte pachete comune
- Aceste biblioteci acoperă calculul numeric, analiza datelor, vizualizarea și calculul științific
- Instalarea de biblioteci suplimentare nu este posibilă
- Bibliotecile de ML (scikit-learn, TensorFlow) nu sunt disponibile
- Modelul utilizează automat biblioteca potrivită pentru sarcina solicitată