Автор оригинала: Estefania Cassingena Navone.
🔹 Добро пожаловать
Привет! Пожалуйста, найдите время, чтобы подумать об этом вопросе:
Как питон применяется в реальных сценариях?
Если вы изучаете Python, и вы хотите узнать ответ, то эта статья для вас.
Имея четкое представление о приложениях и огромном потенциале этого языка программирования, даст вам мотивацию, которую вам понадобится во время вашего путешествия.
Давайте начнем! ✨.
🔸 Python в реальных сценариях
Python используется практически в каждой отрасли и научной области, которую вы можете себе представить, в том числе:
- Наука данных.
- Машинное обучение.
- Веб-разработка.
- Компьютерное образование.
- Компьютерное зрение и обработка изображений.
- Разработка игры.
- Медицина и фармакология.
- Биология и биоинформатика.
- Нейробиология и психология.
- Астрономия.
- Другие области, такие как робототехника, автономные автомобили, бизнес, метеорология и разработка графического пользовательского интерфейса (GUI).
Эта статья охватывает широкий спектр применений этого языка программирования в этих отраслях с примерами, использует случаи и библиотеки Python. Начнем с приложений Python в науке о данных.
🔹 Наука данных: анализ и визуализация
Возможно, одним из самых популярных приложений Python является наукой данных. Сила библиотек Python, разработанная для анализа данных и визуализации, удивительна. Посмотрим, почему.
Наука данных Приложения
С библиотекой визуализации данных Python вы можете создать широкий спектр участков и визуальных представлений, таких как:
- Линии, бары и маркеры.
- Изображения, контуры и поля.
- Подломы, оси и фигуры.
- Статистика (коробки сюжеты, гистограммы и гистограммы).
- Пирог и полярные диаграммы.
- 3D участки.
- и больше!
Вы можете добавить текст, этикетки, аннотации, цвет, формы, коллекции, анимацию и интерактивность к вашим участкам в зависимости от пакета или библиотеки, с которой вы решите работать.
💡 Совет: Вы можете увидеть некоторые примеры визуализации данных, создаваемые с помощью Python на изображении выше.
Библиотеки и пакеты
Давайте посмотрим некоторые из самых популярных пакетов и библиотек для работы с Python в науке о данных:
Python для анализа данных
- Numpy : Этот пакет описывается как «фундаментальный пакет для научных вычислений с Python». Согласно официальному сайту этого пакета «Почти каждый ученый, работающий в Python, опирается на силу Numpy».
- Пандас : Является ли «быстрый, мощный, гибкий и простой в использовании инструмент анализа данных и манипуляции с открытым исходным кодом».
Python для визуализации данных
- Матплотлиб : «Комплексная библиотека для создания статических, анимированных и интерактивных визуализации в Python». Если вам интересно, что вы можете сделать с этой библиотекой, проверьте Пример галереи Отказ
- Морской : это «Библиотека визуализации данных Python на основе MATPLOTLIB». Если вам интересно, что вы можете сделать с этой библиотекой, проверьте Пример галереи Отказ
- ggplot2 : это «Система для декларативно создания графики, основанная на грамматике графики». Согласно своему официальному сайту: «Вы предоставляете данные, сообщите GGPlot2, как на карте переменных к эстетике, какие графические примитивы использовать, и это заботится о деталях».
- Боке : это «Интерактивная библиотека визуализации для современных веб-браузеров».
- Пандас : Эта библиотека имеет много инструментов для визуализации данных.
Образовательные ресурсы
Если вы хотите изучить анализ данных и визуализацию с помощью Python, Jupyter Notebooks, Numpy, Pandas, CSV, файлы, кадры данных и многое другое, вы можете начать путешествие с помощью FreeCodecamp’s Бесплатно Анализ данных с сертификацией Python :
Во время сертификации вы работаете и выполните эти проекты:
- Средняя дисперсион-стандартный отклонник калькулятора.
- Демографический анализатор данных.
- Визуализатор медицинских данных.
- Страница Просмотр визуализатора времени серии.
- Предиктор уровня моря.
Канал YouTube FreeCodeCamp также имеет эти отличные бесплатные учебники, чтобы начать работу:
- Анализ данных с Python – полный курс для начинающих (Numpy, Pandas, Matplotlib, Seborn) Сантьяго Басулто.
- Python для науки о данных – Узнайте Pandas, Matplotlib, Numpy и больше по DataPublishing
- Matplotlib Crash Course Кит Галли
- Python Numpy Учебник для начинающих Кит Галли
Кроме того, это полезные ресурсы, если вы хотите узнать, как работать с этими библиотеками:
- Учебники Matplotlib : Бесплатный вводный, промежуточный и продвинутый учебные пособия, чтобы научить вас создавать потрясающие визуализации.
- Раздел Pandas “Начало работы”: Бесплатные вводные учебники.
- Numpy Учить раздел : Отверенная коллекция внешних ресурсов, чтобы помочь вам начать.
🔸 Машинное обучение
Python – это необходимый инструмент для каждого разработчика, который хочет войти в увлекательную область машинного обучения. Давайте посмотрим краткое введение в машинное обучение.
Что такое машина обучения?
Машинное обучение – это область информатики, которая создает системы, которые могут учиться самостоятельно.
Этот тип системы использует алгоритмы, которые постоянно улучшаются на основе входных данных, которые помогают системе «учиться». Он узнает, как автономно реагировать на новые сценарии, создавая соответствующий выход в новых сценариях на основе предыдущих знаний.
Одна из самых удивительных вещей об этих системах заключается в том, что они постоянно уточнили.
Они не похожи на программы, которые мы обычно пишем в сценарии Python, где мы указываем все возможные действия, которые могут предпринять программу. В машинном обучении система обучается «подумать» и принимать решения на основе предыдущих знаний.
Вот почему мы говорим, что машины «учились» от данных.
💡 Совет: Это интересный разговор в Google: Машинное обучение нулю до героя (Google I/O’19) Отказ
Нейронные сети: строительные блоки машинного обучения
Нейронные сети – это перерабатывающие единицы системы. Они пытаются моделировать реальную сеть нейронов мозга. Они виртуальные «нейроны» получают вход, узнают, как обрабатывать этот ввод и генерировать вывод на основе их предыдущих знаний.
Это очень похоже на то, что мой мозг делает каждый момент каждого дня.
Благодаря нейронным сетям алгоритм машинного обучения может научиться предсказать ожидаемый результат из данного ввода на основе предыдущих знаний.
Например, когда вы видите рекомендуемые видео на Youtube, эти рекомендации были созданы нейронные сети, которые предсказывают, какие видеоролики вы можете посмотреть на основе ваших предыдущих шаблонов. Удивительно, верно?
💡 Совет: Это Интересная статья Под Google, если вы хотите прочитать больше об этом приведении YouTube.
Питона и машинное обучение
Я уверен, что вы должны спросить: какова роль Python в этой области? Это один из самых популярных и мощных инструментов, используемых для программирования этого типа системы.
Одна из самых популярных библиотек, используемых разработчиками по всему миру на работу с Python, примененным к обучению машины, является Tensorflow Отказ Это бесплатная библиотека с открытым исходным кодом, разработанная командой Google Brain. Эта библиотека используется для исследований и продуктов в Google.
По словам Джеффа Дина, ведущий отдел искусственного интеллекта Google:
Лучшая часть заключается в том, что разработчики во всем мире могут использовать эту библиотеку для решения проблем реальных проблем.
💡 Совет: Это Отличное видео о Tensorflow сделано Google.
Это два других популярных библиотеки Python, используемые для машинного обучения:
- Керас – библиотека нейронной сети с открытым исходным кодом, написанная в Python.
- Pytorch – Библиотека обучения машины с открытым исходным кодом, используемая для разработки и обучения нейронных сетей.
Проекты машинного обучения в Python
Потенциал машинного обучения действительно бесконечен. Он может быть применен практически на любой области и контексте, о котором вы можете подумать. Если задача требует обучения у шаблонов и прогнозирующих выходов, то модель обучения машины может определенно помочь.
Например, чтобы дать вам представление о типе проектов, которые вы можете создавать, FreeCodecamp’s Учебный план включает в себя бесплатный Машинное обучение с сертификацией Python :
Во время сертификации вы работаете и выполните эти проекты:
- Камень ножницы Бумага.
- Классификатор изображения кота и собаки.
- Двигатель Рекомендации книги с использованием K-ближайших соседей.
- Линейный калькулятор затрат на здравоохранение регрессии.
- Нейронная сеть SMS-классификатор.
Больше примеров реальных приложений
Вы можете найти больше примеров приложений машинного обучения в Kaggle , «Интернет-сообщество данных ученых и практикующих машин» принадлежит Google.
На этой платформе вы можете практиковать свои навыки Python и Machine обучения, работая над проектами и участвуем в соревнованиях.
Чтобы дать вам представление о типе проектов, которые вы можете решить с помощью машинного обучения, предыдущие соревнования в Kaggle включают в себя:
- Прогнозировать снижение функции легких.
- Прогнозировать выживание на титанике.
- Строительные инструменты для мониторинга популяции птиц.
- Маркировка известных достопримечательностей.
- Прогнозирование COVID-19 Спред.
- Оценка сдачи продаж розничных товаров Walmart.
- Определение видео с лицами или звуковыми манипуляциями.
- Прогнозирование времени ожидания на крупных городских перекрестках.
- Обнаружение мошенничества от операций с клиентами.
- Прогнозирование по всему миру в мире выручки в фильме.
- Прогнозировать прием питомца.
- Выявление риска, когда пилоты отвлекаются, сонные или в других опасных познавательных состояниях.
Как видно, только в этом краткосрочном списке проектов приложения варьируются от медицины к бизнесу, из биологии до обнаружения риска и от обнаружения мошенничества к обработке изображений. Возможности действительно бесконечны, когда вы решаете реальные проблемы с использованием машинного обучения.
Образовательные ресурсы
YouTube YouTube FreeCodeCamp у вас есть эти полезные учебники, чтобы вы начали с учета машин в Python:
- Tensorflow 2.0 Полный курс – Python Neural Networks для начинающих учебников
- Разработать AI, чтобы играть в Connect Four – Python Tutorial
- Scikit-Sulect курс – Машинное обучение в Учебке Python
- Pytorch для глубокого обучения – полный курс/учебник
🔹 веб-разработка
Python используется в области веб-разработки для создания задней части веб-приложений. Давайте начнем этот раздел, рассказывая немного о том, что такое Back-End – и как он помогает нам создавать веб-приложения.
Python для Back-End Web Development
В веб-приложении весь код, используемый для взаимодействия с пользователем и создать то, что видит пользователь, называется передней частью приложения.
Python используется для кодирования функциональности приложения позади сцен, часть, которая способствует всему функциональности приложения, но вы не видите непосредственно на экране.
Он обрабатывает серверную сторону приложения, взаимодействуя со всеми необходимыми базами данных, когда пользователь запрашивает данные. Он возвращает запрошенные данные пользователю, чтобы сделать приложение, как и ожидалось.
💡 Совет: Интернет-разработка полного стекла включает в себя как передний, так и в задней части веб-приложения, чтобы сделать его презентабельным пользователю при работе с базами данных.
Веб-каркас
Это некоторые популярные веб-каркасы Python:
- Джанго : «Высокоуровневый Python Web Framework, которая поощряет быстрое развитие и чистый, прагматичный дизайн».
- Колбу : Очень популярное микроразрушение, используемое для разработки веб-приложений в Python.
- Пирамида : «Маленький, быстрый, нижнеземный Python веб-каркас».
- Web2py : «Free Open Source Full-Stack Framework для быстрого развития быстрых, масштабируемых, безопасных и портативных приложений, управляемых базами данных».
- Бутылка : «быстрая, простая и легкая микробандра WSGI Micro Web для Python».
Образовательные ресурсы
Канал YouTube FreeCodeCamp имеет отличные бесплатные учебники для изучения веб-разработки в Python:
- Веб-каркас Python Django – полный курс для начинающих
- Учить колбу для Python – полный учебник
- Веб-программирование с колбой – вступление в компьютерную науку – CS50 Harvard (2018)
- Полный урок Python Flask Collable – построить социальную сеть
Это также отличные бесплатные ресурсы, чтобы узнать, как работать с этими рамками:
🔸 Образование компьютерных наук
Python в настоящее время играет ключевую роль в образовании информатики по всему миру. Посмотрим, почему.
Почему python?
Python так широко используется в качестве учебного инструмента, потому что:
- Легко учиться: Его синтаксис прост, и он можно быстро узнать. Студенты начинают дайвинг в более продвинутые аспекты информатики намного быстрее, чем с другими языками программирования.
- Это мощно: Он используется в реальных приложениях, поэтому студенты сразу начинают приобретать ценные навыки для своей карьеры.
- Это универсален: Он поддерживает различные парадигмы программирования, включая императивное программирование, функциональное программирование, процедурное программирование и объектно-ориентированное программирование.
Создатель языка Python, Гвидо Ван Россом , заявил, что:
Синтаксис Python прост и просты, поэтому студенты могут начать изучать навыки вычислительного мышления и решения проблем гораздо быстрее, что обычно является главной целью вводных курсов по информатике.
Python в классе и онлайн-обучении
Многие университеты и школы по всему миру решили научить вводные курсы программирования и компьютерных наук, используя Python.
Например, MIT, один из ведущих в мире университетов в области технологий, учит вводную компьютерную науку и программирование с использованием Python (как в университете в кампусе, так и в онлайн-версиях курса на EDX).
Согласно Статья MIT News Опубликовано, когда онлайн-версия курса достигла 1,2 миллиона регистраций, курс «стал самым популярным моком в истории MIT».
Это ясно показывает, что популярность Питона продолжает расти. В статье вы можете найти свидетельства студентов, которые узнали Python и как эти новые знания улучшили свою жизнь.
В статье профессор Ана Белл, преподаватель в департаменте EECS в MIT, говорится, что:
Это ясно показывает потенциал Python в качестве учебного инструмента. Он может быть использован для преподавания концепций более высокого уровня, которые могут быть применены к другим языкам программирования.
И это делает это без дополнительного слоя сложности, что синтаксис других языков программирования, таких как Java или C, может добавить в процесс обучения.
В течение последних нескольких лет онлайн-курсы стали важной частью повседневной жизни учащихся всех возрастов по всему миру. Разнообразие бесплатных онлайн-курсов и ресурсов в последних годах расширилось в последние несколько лет.
Например, учебная программа FreeCodeCamp включает в себя три бесплатных сертификата с проектами, которые помогут вам расширить свои навыки Python в ключевых областях с высоким спросом по всему миру:
- Научные вычисления с Python.
- Анализ данных с Python.
- Машина обучения с Python.
Гарвардский университет Также предлагает эти онлайн-курсы, которые можно проверить бесплатно:
- Введение CS50 к информатике.
- Веб-программирование CS50 с Python и JavaScript.
- Введение CS50 к искусственному интеллекту с Python.
Python определенно стал ключевым инструментом, который улучшил образование компьютерных наук по всему миру. И это будет продолжать делать это в будущем.
Если вы думаете о преподавании курса, используя Python или изучать Python, я гарантирую вам, что ваше время и усилия будут полностью стоить.
🔹 компьютерное зрение и обработка изображений
Python используется для компьютерного зрения и обработки изображений, полей, которые быстро расширяются.
Цель обработки изображений состоит в том, чтобы обработать изображение, применить к нему преобразования и вернуть новую версию исходного изображения.
Напротив, цель компьютерного зрения является более сложным, потому что она пытается сделать компьютер понять и интерпретировать изображение и его содержание.
Обработка изображений
Давайте начнем с обработки изображений. С библиотекой Python вы можете выполнять такие операции, как:
- Обрезка, переворачивание и вращение.
- Манипулируя воздействие и цветные каналы.
- Обнаружение ребер и линий.
- Добавление фильтров и восстановления изображений.
Компьютерное зрение
Теперь давайте погрузимся в компьютерное видение. Если вы начнете исследовать эту тему, вы можете быть удивлены своими текущими приложениями. Некоторые из них:
- Навигация.
- Обзор объекта и события.
- Распознавание лица.
- Классификация изображений.
Эта научная область настолько важна, что Google разработал инструмент под названием Облачное видение У, в котором есть версия Python для разработчиков для включения этой функциональности в свои программы.
Согласно « Использование API Vision с Python » Учебник в Google Codelabs, API Google Cloud Vision:
Этот набор инструментов обеспечивает функциональность для обнаружения лица, обнаружения ориентира, обнаружения логотипа, обнаружения метки, обнаружения текста и многое другое.
💡 Совет: Одним из самых удивительных приложений компьютерного зрения является разработка программного обеспечения для управления автомобилями самостоятельной вождения. Эти транспортные средства должны «видеть», где они едут, где переулка, и какие объекты окружают их (включая другие транспортные средства). Компьютерное зрение играет ключевую роль в этой функциональности.
Библиотеки Python
Это некоторые потрясающие библиотеки для компьютерного зрения и обработки изображений:
- Opencv : «Компьютерное зрение с открытым исходным кодом и программной библиотекой машин». Его версия Python называется OpenCV-Python.
- Scikit-Image : «Коллекция алгоритмов, используемых для обработки изображений».
- Numpy : Его можно использовать для обработки пикселей изображения в качестве 2D массива.
- Scipy : scipy.ndimage Пакет «содержит различные функции для многомерной обработки изображений».
🔸 Разработка игры
Игры определенно формируют жизнь и создают безвременные воспоминания. Они будут продолжать быть частью нашего общества в ближайшие годы. Python уже там, освещая искру создания игры.
Рамки развития игр Python
Согласно Официальная документация Python , есть два основных каркаса Python, используемые для разработки игр:
- Pygame : «Оригинал и до сих пор очень активной пакет для разработки игры с использованием Python. Это позволяет Python поговорить с SDL , кроссплатформенной, мультимедийной библиотеки. Поскольку он должен быть скомпилирован для каждой платформы и каждой версии Python, Может быть отставание, когда приходит новая версия Python.
- Pyglet : Это «новичок, основанный на OpenGL. Поскольку это чистый пакет Python, его можно использовать как даже когда выпущена новая версия Python (за исключением Python 2 к переходу Python 3)».
Вы также можете использовать Черепаха Модуль для создания простых игр. Turtle – это встроенный модуль Python, который устанавливается автоматически при установке Python на вашем компьютере. Это поможет вам создавать игры с помощью простой графики и с простым пользовательским интерфейсом.
Образовательные ресурсы
Если вы хотите изучать разработку игры в Python, канал YouTube FreeCodeCamp имеет эти отличные бесплатные учебники:
- Узнайте Python, построение пяти игр – полный курс
- Учебник Python и Pygame – построить тетрис! Полный курс Гамдева
- Змея игра Python Tutorial
🔹 Медицина и фармакология
У Python также есть удивительные приложения в медицинском поле. Вы будете удивлены тем, как технологии сочетаются с медицинскими знаниями для обеспечения точных и эффективных диагнозов и лечения пациентам.
Приложения
Некоторые примеры использования Python в медицине и фармакологии включают в себя:
- Создание клинических диагнозов на основе медицинских записей пациентов и симптомов.
- Анализируя медицинские данные.
- Создание вычислительных моделей для ускорения процесса развития новых лекарств.
Эти широкие приложения включают тысячи и тысячи примеров по всему миру. Я выбрал несколько из них, чтобы проиллюстрировать, как Python формирует это поле. Давайте посмотрим на них.
Фармацевтическая история успеха: Astrazeneca
Согласно Официальная документация Python один из ведущих мировых фармацевтических компаний, Астразенека Использул Python для улучшения своих существующих вычислительных моделей, чтобы сделать их «более надежными, расширяющимися и ремонтами».
Исследователи использовали эти модели, смоделируют химическую структуру молекул и их эффектом в организме. Это помогло ученым определить потенциальные молекулы для новых лекарств и начать тестирование их быстрее в лаборатории.
Когда он присоединился к команде, Эндрю Дальке, будучи «хорошо известным сторонником Python в вычислительной химии и биологии», убедил команду, что Python был именно тем, что им нужно.
Он заявил, что:
Удивительно, верно? Python может включать вычислительные модели, которые фармацевтические лаборатории используют для разработки новых лекарств.
Идентификация эритроцитов (RBC)
Еще одно интересное медицинское применение Python связано с гематологией. Обычно специализированные специалисты анализируют анализы крови путем подсчета и идентификации клеток вручную, но это может быть улучшено с помощью автоматизации.
Исследователи обнаружили, что Python может быть правильным инструментом для работы. Давайте посмотрим интересный проект.
Идентифицировать Целью данного проекта является выявление и классификация форм эритроцитов на основе изображений, взятых из оптических микроскопов. По словам Эта статья , «Форма РБК может помочь диагностировать болезни и расстройства, такие как лейкоз, серповидно-клеточная анемия и малярия».
Проект был разработан исследователями из института исследований по обработке биоресурса Австралии. Он был запрограммирован в Python, и он использовал изображение обработки изображений Python пакеты и библиотеки, такие как Numpy, Scipy, OpenCV-Python, Scikit-Surrey и Matplotlib.
Python Medical Packages
- Pygeno : Пакет Python с открытым исходным кодом, разработанный Tabiq Dauda в Институте исследований в области иммунологии и рака ( Iric ). Предназначен для «прецизионной медицины приложения, которые вращаются вокруг геномики и протеомики». Он работает со ссылкой и персонализированными геномами.
- Medpy : библиотека Python с открытым исходным кодом «для обработки медицинских изображений в Python, обеспечивающая основные функциональные возможности для чтения, письма и манипулирования крупными изображениями произвольной размерности».
Реальные медицинские приложения (примеры)
- Gusztav Belteki представил еще один пример во время его разговора в Pydata Berlin 2018 ” Python в медицине: анализ данных из механических вентиляторов .” Целью его исследования было «интерпретировать большие наборы данных, извлеченные от современного оборудования, используемого в неонатальной интенсивной терапии, механическими вентиляторам и мониторам пациентов».
- В Pycon 2019 Jill Cates дал эту презентацию под названием « Как построить клиническую диагностическую модель в Python ».
🔸 Биология и биоинформатика
У Python также есть удивительные приложения в мире биологии и биоинформатики. К ним относятся обработка последовательностей ДНК, моделирование динамики населения и генетика и моделирование биохимических структур.
Биопатон
Биопатон Является ли структура Python с «свободно доступными инструментами для биологических вычислений». Его цель – «удовлетворить потребности текущей и будущей работы в биоинформатике».
Согласно его Документация Эта структура включает в себя такие функции, как способность:
- Работайте с последовательностями и выполняйте общие операции на них, такие как транскрипция, перевод и расчеты веса.
- Подключитесь с биологическими базами данных.
- Выполните классификацию данных с использованием K-ближайших соседей, наивных байесов и поддерживающих векторных машин.
- Работа с филогенетическими деревьями и генетикой населения.
Документация утверждает, что «цель биопатона состоит в том, чтобы сделать его максимально простым максимально использовать Python для биоинформатики, создавая высококачественные, многоразовые модули и классы».
Розалинда: практика Python путем решения биоинформатических проблем
Розалинда это «платформа для изучения биоинформатики с помощью решения проблем». Это «бесплатно и открыто для общественности» (страница FAQ указывает, что она находится в бета-режиме).
Python можно использовать для решения проблем на платформе. Поскольку это очень популярный язык программирования на платформе, есть раздел « Python Village », где вы можете узнать основы Python, прежде чем бороться с алгоритмами биоинформатики.
Пользователи решают проблемы, запустив свои решения на своем компьютере, обрабатывая данный набор данных и скопируйте/вставляя вывод, чтобы проверить ответ.
💡 Совет: Имя проекта помимознает Розалинда Франклин , «Чья рентгеновская кристаллография с Рэймондом Гослилсило способствовала открытию двойной спирали ДНК Уотсоном и Криком».
Пакеты и рамки
- Prody : Бесплатный пакет с открытым исходным кодом «для анализа структурной динамики белка», разработанный Бахаром Лабораторией в Университете Питтсбурга.
- Pysb : «Рамки для строительства математических моделей биохимических систем в качестве программ Python», разработанные членами Лаборатории Лопеса в Университете Вандербильба и Лаборатории Sorger в Гарвардской медицинской школе.
- Симулятор сообщества: Это «свободно доступная пакет Python для моделирования динамики микробной популяции воспроизводимым, прозрачным и масштабируемым образом», разработанным исследователями в Бостонском университете.
💡 Совет: Если вы хотите узнать больше о приложениях Python в биоинформатике, вот разговор Martin Schweitzer в Pycon Australia: « Python для биоинформатики для обучения Python ».
🔹 нейробиология и психология
У Python также есть приложения в нейробиологии и экспериментальных исследованиях психологии.
Python в нейробиологии
Согласно статье Python в нейробиологии Написанные исследователями из Центра моделирования мозга, Ecole Polytechnique Fédéralele de Lausanne, Женева, Швейцария:
В отношении питона они утверждают, что:
Как видите, Python и вычисления расширяются по всем наукам.
Психоп
Психопия Является ли «Пакет с открытым исходным кодом для беговых экспериментов в Python», поддерживаемый Университетом Ноттингема. Согласно официальному Документация этого пакета:
Официальный сайт этого пакета утверждает, что это:
- Легко для обучения.
- Достаточно точно для психофизики.
- Гибкий.
- Онлайн или лабораторный в зависимости от выбора пользователя.
🔸 астрономия
Python также имеет приложения в астрономии и астрофизике. Посмотрим три из основных пакетов Python, используемые в этой научной области:
Астропия
Астропия Пакет «содержит различные классы, утилиты и рамки упаковки, предназначенные для обеспечения общепригодных астрономических инструментов».
Astryopy является частью более крупного проекта, называемого Astropy Project, который является «является сообщественным усилиям по разработке общего базового пакета для астрономии в Python и способствовать экосистему совместимых астрономических пакетов».
Согласно его О Страница, одна из его целей – это «улучшить удобство использования, совместимость и сотрудничество между астрономическими пакетами Python».
💡 Совет: Вы можете увидеть примеры проектов, сделанных с астропию в Пример галереи Отказ
Sunny
Sunny Пакет описывается как «Окружающая среда анализа данных, разработанного сообществами, бесплатными и открытыми источниками для Python». Он основан на возможностях пакетов Python, таких как Numpy, Scipy, Matplotlib и Pandas.
Кабинет
Spacepy Пакет – это «пакет для Python, предназначенный для космических наук, который направлен на то, чтобы облегчить анализ данных, моделирование и визуализацию».
Согласно его официальному Документация :
Согласно описанию его Github Repository Он настроил классы эпохи, отслеживание раковины дрейфа, доступ к моделям магнитного поля, отслеживание отслеживания, пределов доверия доверия загрузки, преобразования времени и координат и многое другое.
🔹 Другие приложения
Python также может быть применен во многих других областях, в том числе:
- Робототехника: Python можно использовать для программирования роботов. Библиотека, написанная для этой цели, это пиботики , «Набор инструментов Python с открытым исходным кодом для кинематики и калибровки робота».
- Автономные автомобили: Python можно использовать для программирования программного обеспечения, который контролирует автонарушение автомобилей. Этими автомобилями нужна компьютерное зрение, чтобы «увидеть», где они едут, где находится лейн, и какие объекты окружают их.
- Метеорология : Пакет Климат-индексы «Содержит реализации Python различных алгоритмов климатического индекса, которые обеспечивают географическое и височное изображение тяжести осаждений и аномалий температур, полезных для мониторинга и исследований климата».
- Бизнес: Python может быть мощным инструментом для анализа данных, полученных предприятиями, и прогнозировать будущие тенденции.
- Разработка графического пользовательского интерфейса (GUI) : Python можно использовать для создания графических пользовательских интерфейсов с такими инструментами, как Tkinter Отказ
- Если вы заинтересованы в том, чтобы узнать больше об этом, FreeCodeCamp имеет отличный учебник на YouTube: Курс Tkinter – создание графических пользовательских интерфейсов в Учебке Python.
🔸 в резюме
Есть много приложений Python в каждой области, которую вы можете себе представить. Я надеюсь, что эта статья дала вам представление о широком спектре реальных применений этого языка программирования в отраслях, которые в настоящее время формируют наш мир.
Помните, что независимо от того, какое поле вы находитесь в или каком поле, в котором вы хотите быть, обучение Python, определенно откроет множество дверей для вас. Это здесь, чтобы остаться. И он преобразовал и улучшил наш текущий мир, и он будет продолжать делать это много лет.
Я действительно надеюсь, что вам понравилась моя статья и обнаружила, что это полезно. Проверьте мои онлайн-курсы Отказ Следуй за мной на Twitter Отказ ⭐️.