Kam naudojamas „Python“? „10+“ kodavimas naudojamas „Python“ programavimo kalbai.

? Sveiki

Sveiki! Skirkite šiek tiek laiko ir pagalvokite apie šį klausimą:

Kaip „Python“ yra pritaikomas realiuose scenarijuose?

Jei mokotės „Python“ ir norite sužinoti atsakymą, šis straipsnis skirtas jums.

Turėdami aiškią supratimą apie šios programavimo kalbos taikymą ir didžiulį potencialą, gausite motyvaciją, kurios jums prireiks visos kelionės metu.

Pradėkime! ✨

? „Python“ realaus pasaulio scenarijuose

„Python“ naudojamas praktiškai visose pramonės šakose ir mokslo srityse, kurias galite įsivaizduoti, įskaitant:

  • Duomenų mokslas.
  • Mašininis mokymasis.
  • Interneto svetainių kūrimas.
  • Informatikos mokymas.
  • Kompiuterinis matymas ir vaizdo apdorojimas.
  • Žaidimų kūrimas.
  • Medicina ir farmakologija.
  • Biologija ir bioinformatika.
  • Neuromokslas ir psichologija.
  • Astronomija.
  • Kitos sritys, tokios kaip robotika, autonominės transporto priemonės, verslas, meteorologija ir grafinės vartotojo sąsajos (GUI) kūrimas.

Šis straipsnis apima platų šios programavimo kalbos pritaikymą šiose pramonės šakose su pavyzdžiais, naudojimo atvejais ir „Python“ bibliotekomis. Pradėkime nuo „Python“ taikymo duomenų moksle.

? Duomenų mokslas: analizė ir vizualizacija

Bene viena populiariausių „Python“ programų yra duomenų mokslas. Duomenų analizei ir vizualizacijai sukurtų „Python“ bibliotekų galia yra nuostabi. Pažiūrėkime, kodėl.

Duomenų mokslo programos

Naudodamiesi „Python“ duomenų vizualizavimo biblioteka, galite sukurti daugybę siužetų ir vaizdinių vaizdų, tokių kaip:

  • Linijos, juostos ir žymekliai.
  • Vaizdai, kontūrai ir laukai.
  • Plotai, ašys ir paveikslai.
  • Statistika (langelių diagramos, juostų diagramos ir histogramos).
  • Pyragų ir poliarinės diagramos.
  • 3D brėžiniai.
  • ir dar!

Galite pridėti teksto, etikečių, anotacijų, spalvų, formų, kolekcijų, animacijų ir interaktyvumo prie savo siužetų, priklausomai nuo paketo ar bibliotekos, su kuria norite dirbti.

? Patarimas: Aukščiau pateiktame paveikslėlyje galite pamatyti keletą duomenų vizualizacijų, sukurtų naudojant „Python“, pavyzdžių.

Bibliotekos ir paketai

Pažiūrėkime keletą populiariausių paketų ir bibliotekų, skirtų dirbti su „Python“ duomenų moksle:

„Python“ duomenų analizei

  • NumPy: šis paketas apibūdinamas kaip „pagrindinis mokslinio skaičiavimo su Python paketas“. Kaip rašoma oficialioje šio paketo svetainėje, „beveik kiekvienas„ Python “dirbantis mokslininkas naudojasi„ NumPy “galia“.
  • „Pandas“: „greitas, galingas, lankstus ir lengvai naudojamas atvirojo kodo duomenų analizės ir manipuliavimo įrankis“.

„Python“ duomenų vizualizavimui

  • „Matplotlib“: yra „išsami biblioteka, skirta kurti statines, animacines ir interaktyvias vizualizacijas„ Python ““. Jei smalsu, ką galite padaryti naudodami šią biblioteką, peržiūrėkite pavyzdinę galeriją.
  • Seaborn: yra „Python“ duomenų vizualizavimo biblioteka, pagrįsta matplotlib “. Jei norite sužinoti, ką galite padaryti naudodamiesi šia biblioteka, peržiūrėkite pavyzdinę galeriją.
  • „ggplot2“ yra „deklaratyvaus grafikos kūrimo sistema, pagrįsta„ Grafikos gramatika “. Pasak jos oficialios svetainės: „jūs pateikiate duomenis, pasakykite„ ggplot2 “, kaip susieti kintamuosius su estetika, kokius grafinius primityvus naudoti, ir jis rūpinasi detalėmis“.
  • Bokeh: yra „interaktyvi vizualizacijos biblioteka šiuolaikinėms interneto naršyklėms“.
  • Pandos:šioje bibliotekoje yra daugybė duomenų vizualizavimo įrankių.

Mokymosi ištekliai

Jei norite išmokti duomenų analizės ir vizualizacijos naudodami „Python“, „Jupyter Notebooks“, „Numpy“, „Pandas“, CSV failus, duomenų rėmelius ir dar daugiau, galite pradėti savo kelionę naudodami nemokamą „FreeCodeCamp“ duomenų analizę su „Python“ sertifikatu :

Sertifikavimo metu dirbate ir baigiate šiuos projektus:

  • Vidutinio dispersijos-standartinio nuokrypio skaičiuoklė.
  • Demografinių duomenų analizatorius.
  • Medicinos duomenų vizualizatorius.
  • Puslapio peržiūros laiko serijos vizualizatorius.
  • Jūros lygio prognozuotojas.

„freeCodeCamp“ „YouTube“ kanale taip pat yra šios puikios nemokamos pamokos, kad galėtumėte pradėti:

  • Duomenų analizė naudojant „Python“ - visas kursas pradedantiesiems (Numpy, Pandas, Matplotlib, Seaborn), Santiago Basulto.
  • „Python for Data Science“ - sužinokite „Pandas“, „Matplotlib“, „Numpy“ ir dar daugiau iš „DataPublishing“
  • Keitho Galli „Matplotlib“ avarijos kursai
  • Keitho Galli „Python NumPy“ pamoka pradedantiesiems

Be to, tai yra naudingi šaltiniai, jei norite sužinoti, kaip dirbti su šiomis bibliotekomis:

  • „Matplolib Tutorials“: nemokamos įvadinės, tarpinės ir pažengusios pamokos, išmokančios sukurti nuostabias vizualizacijas.
  • Pandų skiltis „Pradžia“: nemokamos įvadinės pamokos.
  • Skiltis „NumPy Learn“: kuruojamas išorinių išteklių rinkinys, kuris padės jums pradėti.

? Mašinų mokymasis

„Python“ yra būtina priemonė kiekvienam kūrėjui, norinčiam patekti į patrauklią mašininio mokymosi sritį. Pažiūrėkime trumpą mašininio mokymosi įvadą.

Kas yra mašininis mokymasis?

Mašininis mokymasis yra informatikos sritis, kurianti sistemas, galinčias mokytis savarankiškai.

Šio tipo sistemoje naudojami algoritmai, kurie yra nuolat tobulinami remiantis įvesties duomenimis, kurie padeda sistemai „mokytis“. Ji mokosi, kaip savarankiškai reaguoti į naujus scenarijus, sukuriant tinkamą rezultatą naujuose scenarijuose, remiantis ankstesnėmis žiniomis.

Vienas nuostabiausių šių sistemų dalykų yra tas, kad jos yra nuolat tobulinamos.

Jie nėra panašūs į programas, kurias paprastai rašome „Python“ scenarijuje, kur nurodome visus galimus programos veiksmus. „Machine Learning“ sistemoje mokoma „mąstyti“ ir priimti sprendimus remiantis ankstesnėmis žiniomis.

Štai kodėl mes sakome, kad mašinos „mokosi“ iš duomenų.

? Patarimas: Tai įdomus „Google“ pokalbis: „Machine Learning Zero to Hero“ („Google I / O'19“).

Neuroniniai tinklai: mašininio mokymosi pagrindai

Neuroniniai tinklai yra sistemos apdorojimo vienetai. Jie bando imituoti tikrą smegenų neuronų tinklą. Jie virtualūs „neuronai“ gauna įvestį, mokosi apdoroti tą įvestį ir generuoja išvestį, remdamiesi savo ankstesnėmis žiniomis.

Tai labai panašu į tai, ką daro smegenys kiekvieną akimirką kiekvieną dieną.

Dėl neuroninių tinklų mašininio mokymosi algoritmas gali išmokti numatyti numatomą iš tam tikros įvesties rezultatą, remiantis ankstesnėmis žiniomis.

Pavyzdžiui, kai „YouTube“ matote rekomenduojamus vaizdo įrašus, tas rekomendacijas sugeneravo neuroniniai tinklai, kurie pagal ankstesnius modelius numato, kokius vaizdo įrašus norėtumėte žiūrėti. Nuostabu, tiesa?

? Patarimas: tai įdomus „Google“ straipsnis, jei norėtumėte daugiau sužinoti apie šį „YouTube“ pavyzdį.

„Python“ ir mašininis mokymasis

Esu įsitikinęs, kad jūs turite paklausti: koks yra „Python“ vaidmuo šioje srityje? Tai yra viena iš populiariausių ir galingiausių priemonių, naudojamų tokio tipo sistemoms programuoti.

Viena iš populiariausių bibliotekų, kurias viso pasaulio kūrėjai naudoja darbui su „Python“, pritaikyta mašininiam mokymuisi, yra „ TensorFlow“ . Tai nemokama atviro kodo biblioteka, kurią sukūrė „Google Brain“ komanda. Ši biblioteka naudojama tyrimams ir gamybai „Google“.

Pasak „Google“ dirbtinio intelekto skyriaus vadovo Jeffo Deano:

Šiandien jis labai naudojamas mūsų kalbos atpažinimo sistemose, naujame „Google“ nuotraukų produkte, „Gmail“ ir „Google“ paieškoje. (šaltinis)

Geriausia tai, kad kūrėjai visame pasaulyje gali naudoti šią biblioteką realaus pasaulio problemoms spręsti.

? Patarimas: tai puikus „Google“ sukurtas vaizdo įrašas apie „TensorFlow“.

Tai dar dvi populiarios „Python“ bibliotekos, naudojamos mašininiam mokymuisi:

  • „Keras“ - atviro kodo neuronų tinklo biblioteka, parašyta „Python“.
  • PyTorch - atviro kodo mašininio mokymosi biblioteka, naudojama neuroniniams tinklams kurti ir mokyti.

Mašinų mokymosi projektai „Python“

Mašininio mokymosi potencialas yra tikrai begalinis. Jį galima pritaikyti praktiškai bet kurioje srityje ir kontekste, apie kurį galite pagalvoti. Jei užduočiai reikia mokytis iš modelių ir numatyti rezultatus, mašininio mokymosi modelis tikrai gali padėti.

Pvz., Norėdami suprasti, kokio tipo projektus galite kurti, „freeCodeCamp“ mokymo programoje yra nemokamas mašininis mokymasis su „Python“ sertifikatu :

Sertifikavimo metu dirbate ir baigiate šiuos projektus:

  • Akmuo popierius žirklės.
  • Katės ir šuns vaizdų klasifikatorius.
  • Knygų rekomendacijų variklis naudojant K-artimiausius kaimynus.
  • Linijinės regresijos sveikatos išlaidų skaičiuoklė.
  • Neuroninio tinklo SMS klasifikatorius.

Daugiau realių programų pavyzdžių

Galite rasti daugiau „Machine Learning“ taikymo pavyzdžių „Google“ priklausančioje „internetinėje duomenų mokslininkų ir mašininio mokymosi praktikų bendruomenėje“ - „Kaggle“.

Šioje platformoje galite praktikuoti savo „Python“ ir „Machine Learning“ įgūdžius dirbdami prie projektų ir dalyvaudami konkursuose.

Kad suprastumėte, kokio tipo projektus galite įgyvendinti naudodami mašininį mokymąsi, ankstesni „Kaggle“ konkursai apima:

  • Numatyti plaučių funkcijos sumažėjimą.
  • „Titaniko“ išgyvenimo numatymas.
  • Statybinės priemonės paukščių populiacijai stebėti.
  • Garsių orientyrų ženklinimas etiketėmis.
  • Prognozuojama COVID-19 plitimas.
  • Vertinant „Walmart“ mažmeninės prekybos prekių vieneto pardavimą.
  • Vaizdo įrašų nustatymas atliekant veido ar garso manipuliacijas.
  • Numatyti laukimo laiką didžiųjų miestų sankryžose.
  • Sukčiavimo iš kliento operacijų nustatymas.
  • Numatyti pasaulines filmo kasos pajamas.
  • Gyvūnų įvaikinimo numatymas.
  • Rizikos nustatymas, kai pilotai yra išsiblaškę, mieguisti ar esant kitoms pavojingoms pažinimo būsenoms.

Kaip matote, tik šiame trumpame projektų sąraše programos įvairuoja nuo medicinos iki verslo, nuo biologijos iki rizikos nustatymo ir nuo sukčiavimo iki vaizdo apdorojimo. Galimybės yra tikrai begalinės, kai sprendžiate realaus pasaulio problemas naudodami mašininį mokymąsi.

Mokymosi ištekliai

„freeCodeCamp“ „YouTube“ kanale yra šios naudingos mokymo programos, leidžiančios pradėti naudotis mašininiu mokymusi „Python“:

  • „TensorFlow 2.0“ baigtas kursas - „Python“ neuroninių tinklų pradedantiesiems pamoka
  • Sukurkite intelektą, kad galėtumėte žaisti „Connect Four - Python“ mokymo programą
  • „Scikit-Learn“ kursas - mašininis mokymasis „Python“ pamokoje
  • „PyTorch“ giliam mokymuisi - pilnas kursas / pamoka

? Žiniatinklio kūrimas

„Python“ yra naudojamas žiniatinklio kūrimo srityje kuriant žiniatinklio programų vidinę dalį. Pradėkime nuo šio skyriaus, šiek tiek pakalbėdami apie tai, kas yra „back-end“ ir kaip tai padeda mums kurti žiniatinklio programas.

„Python“, skirtas internetiniam tinklalapių kūrimui

Žiniatinklio programoje visas kodas, naudojamas sąveikaujant su vartotoju ir sukuriant tai, ką mato vartotojas, vadinamas programos priekine dalimi.

„Python“ naudojamas programos užkulisių kodavimui - tai dalis, suteikianti visas programos funkcijas, bet kurios nematote tiesiogiai ekrane.

Jis tvarko programos serverio pusę ir sąveikauja su visomis reikalingomis duomenų bazėmis, kai vartotojas prašo duomenų. Jis grąžina prašomus duomenis vartotojui, kad programa veiktų taip, kaip tikėtasi.

? Patarimas: „ Full-Stack“ žiniatinklio kūrimas apima ir žiniatinklio programos priekinę, ir antrinę puses , kad vartotojas galėtų ją pateikti dirbdamas su duomenų bazėmis.

Žiniatinklio sistemos

Tai yra keletas populiarių „Python“ žiniatinklio sistemų:

  • „Django“: „aukšto lygio„ Python “žiniatinklio sistema, skatinanti greitą plėtrą ir švarų, pragmatišką dizainą“.
  • Kolba: labai populiarus mikrofonas, naudojamas kuriant žiniatinklio programas „Python“.
  • Piramidė: „mažas, greitas, žemiškas„ Python “žiniatinklio pagrindas“.
  • „Web2Py“: „nemokama atviro kodo„ full-stack “sistema, skirta greitai, greitai keičiamo dydžio, saugioms ir nešiojamoms duomenų bazėmis pagrįstoms žiniatinklio programoms kurti.
  • Butelis: „greitas, paprastas ir lengvas WSGI mikro žiniatinklio pagrindas„ Python “.

Mokymosi ištekliai

„freeCodeCamp“ „YouTube“ kanale yra puikių nemokamų mokymo programų, kaip išmokti kurti internetą „Python“:

  • „Python Django“ žiniatinklio sistema - pilnas kursas pradedantiesiems
  • Sužinokite apie „Python“ kolbą - visa pamoka
  • Žiniatinklio programavimas naudojant kolbą - įvadas į kompiuterių mokslus - Harvardo CS50 (2018)
  • Pilno „Python Flask“ pamoka - sukurkite socialinį tinklą

Tai taip pat yra puikūs nemokami šaltiniai, skirti išmokti dirbti su šiomis sistemomis:

  • Django skiltis „Pirmieji žingsniai“
  • Piramidės pamokos
  • Greita piramidės pamoka

? Informatikos mokymas

Šiuo metu „Python“ vaidina pagrindinį vaidmenį ugdant informatiką visame pasaulyje. Pažiūrėkime, kodėl.

Kodėl „Python“?

„Python“ yra taip plačiai naudojamas kaip mokymo priemonė, nes:

  • Tai lengva išmokti: jos sintaksė yra paprasta ir ją galima greitai išmokti. Studentai pradeda nerti į pažangesnius informatikos aspektus daug greičiau nei kitomis programavimo kalbomis.
  • Jis yra galingas: jis naudojamas realaus pasaulio programose, todėl studentai nedelsdami pradeda įgyti vertingų įgūdžių savo karjerai.
  • Jis yra universalus: jis palaiko įvairias programavimo paradigmas, įskaitant imperatyvų programavimą, funkcinį programavimą, procedūrinį programavimą ir objektinį programavimą.

Python kalbos kūrėjas Guido van Rossumas teigė, kad:

Dabar manau, kad „Python“ yra daug lengviau nei mokyti studentus programuoti ir mokyti juos C, C ++ arba Java tuo pačiu metu, nes visos kalbos detalės yra daug sunkesnės.

„Python“ sintaksė yra paprasta ir paprasta, todėl studentai gali pradėti mokytis skaičiavimo mąstymo ir problemų sprendimo įgūdžių daug greičiau, o tai dažniausiai yra pagrindinis įvadinių informatikos kursų tikslas.

„Python“ klasėje ir mokymasis internete

Daugelis pasaulio universitetų ir mokyklų nusprendė dėstyti įvadinius programavimo ir informatikos kursus naudodamiesi „Python“.

Pavyzdžiui, MIT, vienas iš pirmaujančių pasaulio universitetų technologijų srityje, dėsto įvadinį kompiuterių mokslą ir programavimą naudojant „Python“ (tiek universiteto miestelyje, tiek internetinėse kurso versijose „edX“).

Remiantis „MIT News“ straipsniu, paskelbtu, kai internetinė kurso versija pasiekė 1,2 milijono studentų, kursai „tapo populiariausiu MOOC istorijoje MIT“.

Tai aiškiai rodo, kad „Python“ populiarumas ir toliau auga. Straipsnyje galite rasti mokinių, išmokusių „Python“, liudijimus ir tai, kaip šios naujos žinios pagerino jų gyvenimą.

Straipsnyje profesorė Ana Bell, MIT EECS katedros lektorė, teigia, kad:

„Pagrinde 6.00 serija moko kompiuterinio mąstymo ... Tai daro naudodama„ Python “programavimo kalbą, tačiau kurse taip pat mokoma programavimo koncepcijų, kurias galima pritaikyti bet kuria kita programavimo kalba.“

Tai aiškiai parodo „Python“ kaip mokymo priemonės potencialą. Jis gali būti naudojamas mokant aukštesnio lygio sąvokas, kurias galima pritaikyti kitoms programavimo kalboms.

Tai daro be papildomo sudėtingumo, kurį kitų programavimo kalbų, tokių kaip „Java“ ar „C“, sintaksė gali pridėti prie mokymosi proceso.

Per pastaruosius kelerius metus internetiniai kursai tapo svarbia įvairaus amžiaus besimokančiųjų kasdienio gyvenimo dalimi visame pasaulyje. Nemokamų internetinių kursų ir šaltinių įvairovė per pastaruosius kelerius metus nepaprastai išsiplėtė.  

Pvz., „FreeCodeCamp“ mokymo programoje yra trys nemokami sertifikatai su projektais, kurie padės išplėsti „Python“ įgūdžius pagrindinėse srityse, kuriose yra didelė paklausa visame pasaulyje:

  • Mokslinis skaičiavimas su „Python“.
  • Duomenų analizė naudojant „Python“.
  • Mašininis mokymasis su „Python“.

Harvardo universitetas taip pat siūlo šiuos internetinius kursus, kuriuos galima nemokamai tikrinti:

  • CS50 įvadas į kompiuterių mokslą.
  • CS50 žiniatinklio programavimas naudojant „Python“ ir „JavaScript“.
  • CS50 „Dirbtinio intelekto su„ Python “įvadas.

„Python“ neabejotinai tapo pagrindine priemone, kuri pagerino informatikos mokymą visame pasaulyje. Ir tai darys ateityje.

Jei galvojate apie kursų dėstymą naudojant „Python“ arba „Python“ mokymąsi, garantuoju, kad jūsų laikas ir pastangos bus visiškai verti.

? Kompiuterinis matymas ir vaizdo apdorojimas

„Python“ naudojamas kompiuterio vizijai ir vaizdams apdoroti - laukai, kurie sparčiai plečiasi.

Vaizdo apdorojimo tikslas yra apdoroti vaizdą, pritaikyti jam transformacijas ir grąžinti naują originalaus vaizdo versiją.  

Priešingai, kompiuterio matymo tikslas yra sudėtingesnis, nes jis bando priversti kompiuterį suprasti ir interpretuoti vaizdą ir jo turinį.

Vaizdo apdorojimas

Pradėkime nuo vaizdo apdorojimo. Su „Python“ biblioteka galite atlikti tokias operacijas kaip:

  • Apkirpimas, vartymas ir sukimas.
  • Manipuliavimas ekspozicijos ir spalvų kanalais.
  • Kraštų ir linijų nustatymas.
  • Filtrų pridėjimas ir vaizdų atkūrimas.

Kompiuterio vizija

Dabar pasinerkime į kompiuterio matymą. Jei pradėsite tyrinėti šią temą, galite nustebinti dabartinėmis jos programomis. Kai kurie iš jų yra:

  • Navigacija.
  • Objektų ir įvykių aptikimas.
  • Veido atpažinimas.
  • Vaizdų klasifikacija.

Ši mokslo sritis yra tokia svarbi, kad „Google“ sukūrė įrankį „Cloud Vision“, kuris turi „Python“ versiją, skirtą kūrėjams įtraukti šią funkciją į savo programas.

Pagal „Google Codelabs“ mokymo programą „Vision API with Python naudojimas“, „Google Cloud Vision“ API:

Leidžia kūrėjams lengvai integruoti regėjimo aptikimo funkcijas į programas, įskaitant vaizdo žymėjimą, veido ir orientyrų aptikimą, optinį simbolių atpažinimą (OCR) ir aiškaus turinio žymėjimą.

Šis įrankių rinkinys suteikia veidų aptikimo, orientyrų, logotipų, etikečių, teksto ir kt.

? Patarimas: Viena nuostabiausių kompiuterio regėjimo programų yra programinės įrangos, skirtos valdyti savaime važiuojančius automobilius, kūrimas. Šios transporto priemonės turi „pamatyti“, kur jos važiuoja, kur yra juosta ir kokie daiktai juos supa (įskaitant kitas transporto priemones). Kompiuterio vizija vaidina pagrindinį vaidmenį atliekant šią funkciją.

„Python“ bibliotekos

Tai yra keletas nuostabių bibliotekų, skirtų kompiuterio vizijai ir vaizdams apdoroti:

  • „OpenCV“: „atvirojo kodo kompiuterinė vizija ir mašininio mokymosi programinės įrangos biblioteka“. Jos „Python“ versija vadinama „OpenCV-Python“.
  • „scikit-image“: „algoritmų rinkinys, naudojamas vaizdo apdorojimui“.
  • „NumPy“: juo galima apdoroti vaizdo taškus kaip 2D masyvą.
  • „SciPy“: „scipy.ndimage“ pakete „yra įvairių funkcijų, reikalingų daugiadimensiniam vaizdo apdorojimui“.

? Žaidimų kūrimas

Žaidimai neabejotinai formuoja gyvenimą ir sukuria nesenstančius prisiminimus. Ateinančiais metais jie ir toliau bus mūsų visuomenės dalis. „Python“ jau yra ten, uždegantis žaidimų kūrimo kibirkštį.

„Python“ žaidimų kūrimo sistemos

Remiantis oficialia „Python“ dokumentacija, žaidimams kurti naudojamos dvi pagrindinės „Python“ sistemos:

  • pygame: "originalus ir vis dar labai aktyvus žaidimų kūrimo, naudojant" Python ", paketas. Tai leidžia" Python "kalbėtis su SDL, daugiaplatforme daugialypės terpės biblioteka. Kadangi jis turi būti sudarytas kiekvienai platformai ir kiekvienai" Python "versijai, gali būti atsilikimas, kai pasirodys nauja „Python“ versija. "
  • pyglet: tai yra „naujokas, pagrįstas„ OpenGL “. Kadangi tai yra grynas„ Python “paketas, jį galima naudoti tokį, koks yra net ir tada, kai išleidžiama nauja„ Python “versija (išskyrus„ Python 2 “ir„ Python 3 “perėjimą).

Vėžlio modulį taip pat galite naudoti kurdami paprastus žaidimus. „Turtle“ yra įmontuotas „Python“ modulis, kuris įdiegiamas automatiškai, kai kompiuteryje įdiegiate „Python“. Tai padeda kurti paprastos grafikos ir paprastos vartotojo sąsajos žaidimus.

Mokymosi ištekliai

Jei norite išmokti žaidimų kūrimo „Python“, „freeCodeCamp“ „YouTube“ kanale yra šios puikios nemokamos pamokos:

  • Sužinokite „Python“ kurdami penkis žaidimus - visą kursą
  • „Python“ ir „Pygame“ mokymo programa - sukurkite „Tetris“! Visas „GameDev“ kursas
  • Gyvatės žaidimo „Python“ pamoka

? Medicina ir farmakologija

„Python“ taip pat turi nuostabių programų medicinos srityje. Nustebsite, kaip technologijos derinamos su medicinos žiniomis, siekiant pacientams tiksliai ir efektyviai diagnozuoti ir gydyti.

Programos

Keletas Python naudojimo medicinoje ir farmakologijoje pavyzdžių:

  • Klinikinių diagnozių nustatymas pagal pacientų medicininius dokumentus ir simptomus.
  • Analizuojant medicininius duomenis.
  • Kompiuterinių modelių kūrimas, siekiant paspartinti naujų vaistų kūrimo procesą.

Šios plačios programos apima tūkstančius ir tūkstančius pavyzdžių visame pasaulyje. Aš pasirinkau keletą iš jų, kad iliustruočiau, kaip „Python“ formuoja šį lauką. Pažvelkime į juos.

Farmacijos sėkmės istorija: „AstraZeneca“

Remiantis oficialia „Python“ dokumentacija, viena iš pirmaujančių farmacijos kompanijų „AstraZeneca“ naudojo „Python“, kad patobulintų savo esamus skaičiavimo modelius, kad jie taptų „tvirtesni, išplėstiniai ir prižiūrimi“.

Tyrėjai naudojo šiuos modelius, imituodami cheminę molekulių struktūrą ir jų poveikį organizme. Tai padėjo mokslininkams nustatyti galimas naujų vaistų molekules ir pradėti jas greičiau išbandyti laboratorijoje.

Kai jis prisijungė prie komandos, Andrew Dalke'as, būdamas „žinomu„ Python “advokatu skaičiavimo chemijos ir biologijos srityje“, įtikino komandą, kad „Python“ yra būtent tai, ko jiems reikia.

„Python“ buvo pasirinktas šiam darbui, nes tai yra viena iš geriausių kalbų, prieinamų fizikos mokslininkams, tai yra žmonėms, neturintiems informatikos išsilavinimo.

Jis pareiškė, kad:

„Python“ buvo sukurtas siekiant išspręsti realaus pasaulio problemas, su kuriomis susiduria programuotojas ekspertas. Rezultatas yra kalba, kuri skalė gerai skiriasi nuo mažų scenaristų, kuriuos parašė vaistininkas, iki didelių paketų, kuriuos parašė programinės įrangos kūrėjas.

Nuostabu, tiesa? „Python“ gali naudoti skaičiavimo modelius, kuriuos farmacijos laboratorijos naudoja kurdami naujus vaistus.

Raudonųjų kraujo kūnelių (RBC) identifikavimas

Kitas įdomus medicininis „Python“ pritaikymas yra susijęs su hematologija. Paprastai specializuoti specialistai analizuoja kraujo tyrimus rankiniu būdu skaičiuodami ir identifikuodami ląsteles, tačiau tai galima pagerinti automatikos pagalba.

Tyrėjai nustatė, kad „Python“ gali būti tinkama priemonė šiam darbui atlikti. Pažiūrėkime įdomų projektą.

„IdentiCyte“

Šio projekto tikslas yra nustatyti ir klasifikuoti raudonųjų kraujo kūnelių formas pagal vaizdus, ​​paimtus iš optinių mikroskopų. Pagal šį straipsnį „RBC forma gali padėti diagnozuoti tokias ligas ir sutrikimus kaip leukemija, pjautuvinių ląstelių anemija ir maliarija“.

Projektą sukūrė Australijos Bioresource Processing Research Institute mokslininkai. Jis buvo užprogramuotas „Python“ ir jame buvo naudojami vaizdų apdorojimo „Python“ paketai ir bibliotekos, tokios kaip „numpy“, „scipy“, „opencv-python“, „scikit-learn“ ir „matplotlib“.

„Python“ medicinos paketai

  • pyGeno: atvirojo kodo „Python“ paketas, kurį sukūrė Tariqas Daouda Imunologijos ir vėžio tyrimų institute (IRIC). Jis skirtas „tiksliosios medicinos programoms, kurios sukasi apie genomiką ir proteomiką“. Jis veikia su referenciniais ir individualizuotais genomais.
  • „MedPy“: atviro kodo „Python“ biblioteka, skirta „medicininiam vaizdų apdorojimui„ Python “sistemoje, suteikianti pagrindines funkcijas skaityti, rašyti ir valdyti didelius savavališko matmens vaizdus“.

Realaus pasaulio medicinos programos (pavyzdžiai)

  • Gusztavas Belteki pateikė dar vieną pavyzdį per savo kalbą „PyData Berlin 2018“ „Python in Medicine: analizuojant mechaninių ventiliatorių duomenis“. Jo tyrimo tikslas buvo „interpretuoti didelius duomenų rinkinius, gautus iš šiuolaikinės įrangos, naudojamos naujagimių intensyvioje terapijoje, mechaninių ventiliatorių ir pacientų monitorių“.
  • „PyCon 2019“ metu Jill Cates skaitė šį pranešimą „Kaip sukurti klinikinį diagnostinį modelį„ Python ““.

? Biologija ir bioinformatika

„Python“ taip pat turi nuostabių programų biologijos ir bioinformatikos pasaulyje. Tai apima DNR sekų apdorojimą, populiacijos dinamikos ir genetikos modeliavimą ir biocheminių struktūrų modeliavimą.

Biopitonas

„Biopython“ yra „Python“ sistema, turinti „laisvai prieinamus biologinio skaičiavimo įrankius“. Jos tikslas yra „patenkinti dabartinio ir būsimo darbo bioinformatikos srityje poreikius“.

Remiantis jos dokumentais, ši sistema apima tokias funkcijas kaip galimybė:

  • Dirbkite su sekomis ir atlikite joms bendras operacijas, tokias kaip transkripcija, vertimas ir svorio skaičiavimas.
  • Susiekite su biologinėmis duomenų bazėmis.
  • Atlikite duomenų klasifikavimą naudodami „K-artimiausius kaimynus“, „Naive Bayes“ ir „Support Vector Machines“.
  • Darbas su filogenetiniais medžiais ir populiacijos genetika.

Dokumentuose teigiama, kad „„ Biopython “tikslas yra kuo paprasčiau naudoti„ Python “bioinformatikai kuriant aukštos kokybės, daugkartinio naudojimo modulius ir klases“.

Rosalindas: praktikuokite „Python“ spręsdami bioinformatikos iššūkius

„Rosalind“ yra „bioinformatikos mokymosi platforma sprendžiant problemas“. Jis yra „nemokamas ir atviras visuomenei“ (DUK puslapyje nurodoma, kad jis veikia beta režimu).

„Python“ gali būti naudojamas sprendžiant platformos iššūkius. Kadangi tai yra labai populiari programavimo kalba platformoje, yra skyrius „Python Village“, kuriame galite išmokti „Python“ pagrindų prieš spręsdami bioinformatikos algoritmus.

Vartotojai išsprendžia problemas vykdydami savo sprendimus savo kompiuteryje, apdorodami pateiktą duomenų rinkinį ir kopijuodami / įklijuodami išvestį, kad patikrintų atsakymą.

? Patarimas: Projekto pavadinimas įamžina Rosalindą Frankliną, „kurio rentgeno kristalografija su Raymondu Goslingu padėjo Watsonui ir Crickui atrasti dvigubą DNR spiralę“.

Paketai ir sistemos

  • „ProDy“: nemokamas ir atviro kodo paketas „baltymų struktūrinės dinamikos analizei“, kurį sukūrė Bahar Lab Pitsburgo universitete.
  • PySB : „biocheminių sistemų kaip„ Python “programų matematinių modelių kūrimo pagrindas“, kurį sukūrė Lopez laboratorijos nariai Vanderbilto universitete ir Sorgerio laboratorija Harvardo medicinos mokykloje.
  • Bendruomenės simuliatorius: tai yra „laisvai prieinamas„ Python “paketas, skirtas mikrobų populiacijos dinamikai imituoti atkuriamai, skaidriai ir keičiamai“, kurį sukūrė Bostono universiteto mokslininkai.

? Patarimas: Jei norite sužinoti daugiau apie „Python“ programas bioinformatikoje, štai Martyno Schweitzerio kalba „PyCon Australia“: „Python for Bioinformatics for Python learning“.

? Neuromokslas ir psichologija

Python taip pat turi neuromokslų ir eksperimentinės psichologijos tyrimus.

„Python“ neurologijos srityje

Pagal straipsnį „Python in neuroscience“, kurį parašė smegenų modeliavimo centro tyrėjai, Ecole Polytechnique Fédérale de Lausanne, Ženeva, Šveicarija:

Skaičiavimas tampa būtinas visuose moksluose, norint gauti duomenis ir juos analizuoti, automatizuoti ir tikrinti hipotezes naudojant modeliavimą ir modeliavimą.

Kalbant apie „Python“, jie teigia, kad:

2007 m. Mums tapo aišku, kad mes esame besikuriančio „ Python“ viršūnėje neuromokslų ekosistemoje, ypač skaičiuojamųjų neuromokslų ir neurografinių vaizdų srityje, taip pat atliekant elektrofiziologinių duomenų analizę ir psichofiziką.

Kaip matote, „Python“ ir skaičiavimas plėtėsi visuose moksluose.

„PsychoPy“

„PsychoPy“ yra „atvirojo kodo paketas, skirtas vykdyti eksperimentus„ Python ““, kurį palaiko Notingamo universitetas. Remiantis oficialia šio paketo dokumentacija:

Jį daugelis pasaulio laboratorijų naudoja psichofizikai, kognityvinėms neuromoksloms ir eksperimentinei psichologijai.

Oficialioje šio paketo svetainėje nurodoma, kad:

  • Lengva mokytis.
  • Pakankamai tikslus psichofizikai.
  • Lankstus.
  • Internetu arba laboratorija, atsižvelgiant į vartotojo pasirinkimą.

? Astronomija

„Python“ taip pat turi programų astronomijoje ir astrofizikoje. Pažiūrėkime tris pagrindinius „Python“ paketus, naudojamus šioje mokslo srityje:

Astropija

„Astropy“ paketas „apima įvairias klases, komunalines paslaugas ir pakavimo sistemą, skirtą pateikti dažniausiai naudojamus astronomijos įrankius“.

Astropija yra dalis didesnio projekto, vadinamo „Astropijos projektas“, kuris yra „bendruomenės pastangos sukurti bendrą pagrindinį„ Python “astronomijos paketą ir puoselėti sąveikių astronomijos paketų ekosistemą“.

Anot „About“ puslapio, vienas iš jo tikslų yra „pagerinti astronomijos„ Python “paketų naudojimą, sąveikumą ir bendradarbiavimą“.

? Patarimas: pavyzdžių galerijoje galite pamatyti projektų, atliktų naudojant „Astropy“, pavyzdžius.

„SunPy“

„SunPy“ paketas apibūdinamas kaip „bendruomenės sukurta, nemokama ir atviro šaltinio„ Python “saulės duomenų analizės aplinka“. Jis remiasi „Python“ paketų, tokių kaip „NumPy“, „SciPy“, „Matplotlib“ ir „Pandas“, galimybėmis.

„SpacePy“

„SpacePy“ paketas yra „kosmoso mokslams skirtas„ Python “paketas, kurio tikslas - palengvinti pagrindinių duomenų analizę, modeliavimą ir vizualizavimą“.

Remiantis oficialia dokumentacija:

„SpacePy“ projektas siekia skatinti tikslius ir atvirus tyrimų standartus, suteikdamas atvirą aplinką kodų kūrimui.

Pagal savo „GitHub“ saugyklos aprašymą, ji uždėjo epochų klases, dreifuojančio apvalkalo sekimą, prieigą prie magnetinio lauko modelių, racionalizuotą sekimą, įkrovos patikimumo ribas, laiko ir koordinavimo konversijas ir dar daugiau.

? Kitos programos

„Python“ taip pat gali būti taikomas daugelyje kitų sričių, įskaitant:

  • Robotika: „ Python“ galima naudoti programuojant robotus. Šiam tikslui parašyta biblioteka yra pybotika, „roboto kinematikos ir kalibravimo atvirojo kodo„ Python “įrankių dėžutė“.
  • Autonominės transporto priemonės: „ Python“ gali būti naudojamas programuoti programinę įrangą, kuri valdo savaime važiuojančius automobilius. Šiems automobiliams reikia kompiuterio matymo, kad „pamatytų“, kur jie važiuoja, kur yra juosta ir kokie daiktai juos supa.
  • Meteorologija : Paketiniai klimato indeksai „apima„ Python “įvairių klimato indekso algoritmų įgyvendinimus, kurie suteikia geografinį ir laikiną kritulių sunkumo ir temperatūros anomalijų vaizdą, naudingą klimato stebėjimui ir tyrimams“.
  • Verslas: „ Python“ gali būti galingas įrankis analizuojant verslo generuojamus duomenis ir prognozuojant ateities tendencijas.
  • Grafinės vartotojo sąsajos (GUI) kūrimas : „Python“ gali būti naudojamas kuriant grafines vartotojo sąsajas su tokiais įrankiais kaip „tkinter“.
  • Jei jus domina daugiau apie tai sužinoti, „freeCodeCamp“ turi puikią „YouTube“ pamoką: „Tkinter Course“ - sukurkite grafines vartotojo sąsajas „Python“ pamokoje.

? Apibendrinant

Kiekvienoje srityje yra daugybė „Python“ programų, kurias galite įsivaizduoti. Tikiuosi, kad šis straipsnis suteikė jums idėją apie platų šios programavimo kalbos pritaikymą realiame pasaulyje pramonės šakose, kurios šiuo metu formuoja mūsų pasaulį.  

Atminkite, kad nesvarbu, kurioje srityje esate ar kurioje srityje norite būti, išmokę „Python“, tikrai atversite daugybę durų. Tai čia pasilikti. Tai pakeitė ir patobulino mūsų dabartinį pasaulį ir tai darys daugelį metų.

Labai tikiuosi, kad jums patiko mano straipsnis ir jis buvo naudingas. Peržiūrėkite mano internetinius kursus. Sekite mane „Twitter“. ⭐️