Tillgängliga Python-bibliotek
På denna sida
Python-sandlådemiljön
Python-sandlådan för kodexekvering är ingen skalbar Python-miljö. Den innehåller en uppsättning förinstallerade bibliotek för vetenskapliga beräkningar och dataanalys. Att känna till dessa bibliotek är avgörande för att fullt ut kunna utnyttja funktionerna för kodexekvering och förstå vad du kan – och inte kan – be modellen göra.
Kärnbibliotek
NumPy – Numeriska beräkningar
NumPy är grundbiblioteket för numeriska beräkningar i Python. I sandlådan möjliggör det:
- Operationer på flerdimensionella arrayer
- Linjär algebra (matriser, vektorer, dekompositioner)
- Slumptalsgenerering
- Fouriertransformer
- Avancerade matematiska funktioner
# Modellen kan skriva och exekvera denna typ av kod
import numpy as np
# Generera en slumpmässig matris och beräkna dess egenvärden
matrix = np.random.randn(5, 5)
eigenvalues = np.linalg.eigvals(matrix)
Pandas – Datahantering
Pandas är standardbiblioteket för hantering av tabulär data:
- Skapa och transformera DataFrames
- Rengöra och förbereda data
- Aggregeringar och gruppering
- Deskriptiv statistik
- Pivot-tabeller och join-operationer
import pandas as pd
# Analysera strukturerad data
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 – Visualisering
Matplotlib låter dig skapa diagram och visualiseringar:
- Linje-, stapel- och cirkeldiagram
- Histogram och fördelningar
- Plotar med flera axlar
- Avancerad anpassning (färger, legend, annoteringar)
Modellen kan generera diagram, men huruvida de visas beror på hur du hanterar svaret i din applikation.
SciPy – Vetenskapliga beräkningar
SciPy utökar NumPy med avancerade vetenskapliga funktioner:
- Optimering och funktionsminimering
- Interpolation och numerisk integration
- Signalbehandling
- Avancerad statistik (hypotesprövning, fördelningar)
- Lösning av differentialekvationer
Vad du kan begära
Med dessa bibliotek kan modellen utföra en lång rad uppgifter:
Matematiska beräkningar
- Lösa ekvationer och ekvationssystem
- Matrisberäkningar och linjär algebra
- Deskriptiv och inferentiell statistik
- Kombinatorisk analys och sannolikheter
Dataanalys
- Rengöra och transformera datamängder
- Aggregeringar och gruppsstatistik
- Detektering av anomalier och avvikare
- Korrelationer och regressioner
Finansiell modellering
- Beräkning av avkastning och risk (Sharpe, Sortino)
- Portföljoptimering
- Värderingsmodeller
- Monte Carlo-simuleringar
Vetenskapliga beräkningar
- Lösning av differentialekvationer
- Fysikaliska simuleringar
- Tidsserieanalys
- Bearbetning av experimentell data
Vad du inte kan göra
Sandlådan tillåter inte att du:
- Installerar nya bibliotek (
pip installfinns inte tillgängligt) - Använder bibliotek för maskininlärning (ingen scikit-learn, TensorFlow, PyTorch)
- Kommer åt externa API:er eller nätverket
- Läser filer från ditt lokala system
Om ditt användningsfall kräver bibliotek som inte finns i sandlådan måste du köra den genererade koden i din egen Python-miljö.
Viktiga punkter
- Sandlådan innehåller NumPy, Pandas, Matplotlib, SciPy och andra vanliga paket
- Dessa bibliotek täcker numeriska beräkningar, dataanalys, visualisering och vetenskapliga beräkningar
- Det går inte att installera ytterligare bibliotek
- Bibliotek för maskininlärning (scikit-learn, TensorFlow) är inte tillgängliga
- Modellen använder automatiskt rätt bibliotek för den begärda uppgiften