Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Dostupné knižnice Pythonu

Lekcia 13 z 16 Aktualizované 30. júla 2026 Vývojár
Na tejto strane
  1. Prostredie Python Sandbox
  2. Základné knižnice
  3. Čo môžeš požadovať
  4. Čo nemôžeš robiť
  5. Kľúčové poznatky

Prostredie Python Sandbox

Python sandbox na vykonávanie kódu nie je holé prostredie Pythonu. Obsahuje sadu predinštalovaných vedeckých knižníc a knižníc na analýzu dát. Znalosť týchto knižníc je nevyhnutná na plné využitie možností vykonávania kódu a na pochopenie toho, čo môžeš – a čo nemôžeš – od modelu požadovať.

Základné knižnice

NumPy – Numerické výpočty

NumPy je základná knižnica pre numerické výpočty v Pythone. V sandboxe umožňuje:

  • Operácie s viacrozmernými poľami
  • Lineárnu algebru (maticové operácie, vektory, dekompozície)
  • Generovanie náhodných čísel
  • Fourierove transformácie
  • Pokročilé matematické funkcie
# Model môže napísať a spustiť tento typ kódu
import numpy as np

# Vygeneruj náhodnú maticu a vypočítaj jej vlastné čísla
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)

Pandas – Manipulácia s dátami

Pandas je štandardná knižnica na prácu s tabuľkovými dátami:

  • Vytváranie a transformácia DataFrame objektov
  • Čistenie a príprava dát
  • Agregácie a zoskupovanie
  • Deskriptívna štatistika
  • Kontingenčné tabuľky a operácie spájania
import pandas as pd

# Analyzuj štruktúrované dáta
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 – Vizualizácia

Matplotlib ti umožňuje vytvárať grafy a vizualizácie:

  • Čiarové, stĺpcové a koláčové grafy
  • Histogramy a rozdelenia
  • Grafy s viacerými osami
  • Pokročilé prispôsobenie (farby, legendy, anotácie)

Model dokáže generovať grafy, ale ich zobrazenie závisí od toho, ako spracuješ odpoveď vo svojej aplikácii.

SciPy – Vedecké výpočty

SciPy rozširuje NumPy o pokročilé vedecké funkcie:

  • Optimalizácia a minimalizácia funkcií
  • Interpolácia a numerická integrácia
  • Spracovanie signálov
  • Pokročilá štatistika (testovanie hypotéz, rozdelenia)
  • Riešenie diferenciálnych rovníc

Čo môžeš požadovať

Vďaka týmto knižniciam dokáže model vykonávať širokú škálu úloh:

Matematické výpočty

  • Riešenie rovníc a sústav rovníc
  • Maticové výpočty a lineárna algebra
  • Deskriptívna a inferenčná štatistika
  • Kombinatorická analýza a pravdepodobnosť

Analýza dát

  • Čistenie a transformácia dátových súborov
  • Agregácie a skupinová štatistika
  • Detekcia anomálií a odľahlých hodnôt
  • Korelácie a regresie

Finančné modelovanie

  • Výpočty výnosnosti a rizika (Sharpe, Sortino)
  • Optimalizácia portfólia
  • Modely oceňovania
  • Monte Carlo simulácie

Vedecké výpočty

  • Riešenie diferenciálnych rovníc
  • Fyzikálne simulácie
  • Analýza časových radov
  • Spracovanie experimentálnych dát

Čo nemôžeš robiť

Sandbox neumožňuje:

  • Inštalovať nové knižnice (pip install nie je k dispozícii)
  • Používať knižnice strojového učenia (chýba scikit-learn, TensorFlow, PyTorch)
  • Pristupovať k externým API alebo sieti
  • Čítať súbory z tvojho lokálneho systému

Ak tvoj prípad použitia vyžaduje knižnice, ktoré nie sú v sandboxe dostupné, budeš musieť vygenerovaný kód spustiť vo vlastnom prostredí Pythonu.

Kľúčové poznatky

  • Sandbox obsahuje NumPy, Pandas, Matplotlib, SciPy a ďalšie bežné balíky
  • Tieto knižnice pokrývajú numerické výpočty, analýzu dát, vizualizáciu a vedecké výpočty
  • Inštalácia ďalších knižníc nie je možná
  • Kniznice strojového učenia (scikit-learn, TensorFlow) nie sú dostupné
  • Model automaticky využije správnu knižnicu pre požadovanú úlohu