Pentru ce se folosește Python? 10+ utilizări de codare pentru limbajul de programare Python.
? Bine ai venit
Salut! Vă rog să vă gândiți la această întrebare:
Cum se aplică Python în scenarii din lumea reală?
Dacă înveți Python și vrei să afli răspunsul, atunci acest articol este pentru tine.
Având o idee clară despre aplicațiile și potențialul vast al acestui limbaj de programare vă va oferi motivația de care veți avea nevoie pe tot parcursul călătoriei.
Sa incepem! ✨
? Python în scenarii din lumea reală
Python este utilizat în aproape orice industrie și domeniu științific pe care vi le puteți imagina, inclusiv:
Știința datelor.
Învățare automată.
Dezvoltare web.
Educație în informatică.
Viziunea computerizată și prelucrarea imaginilor.
Dezvoltarea jocului.
Medicină și farmacologie.
Biologie și Bioinformatică.
Neuroștiințe și Psihologie.
Astronomie.
Alte domenii precum robotica, vehiculele autonome, afacerile, meteorologia și dezvoltarea interfeței grafice de utilizator (GUI).
Acest articol acoperă o gamă largă de aplicații ale acestui limbaj de programare în aceste industrii, cu exemple, cazuri de utilizare și biblioteci Python. Să începem cu aplicațiile Python în știința datelor.
Science Știința datelor: analiză și vizualizare
Poate că una dintre cele mai populare aplicații ale Python este știința datelor. Puterea bibliotecilor Python dezvoltate pentru analiza și vizualizarea datelor este uimitoare. Să vedem de ce.
Aplicații pentru știința datelor
Cu o bibliotecă de vizualizare a datelor Python, puteți crea o mare varietate de grafice și reprezentări vizuale, cum ar fi:
Linii, bare și markere.
Imagini, contururi și câmpuri.
Subploturi, axe și figuri.
Statistici (graficele în casete, diagrame cu bare și histograme).
Diagramele pie și polare.
Complot 3D.
și altele!
Puteți adăuga text, etichete, adnotări, culoare, forme, colecții, animații și interactivitate în parcele dvs., în funcție de pachetul sau biblioteca cu care alegeți să lucrați.
? Sfat: Puteți vedea câteva exemple de vizualizări de date generate cu Python în imaginea de mai sus.
Biblioteci și pachete
Să vedem câteva dintre cele mai populare pachete și biblioteci pentru a lucra cu Python în știința datelor:
Python pentru analiza datelor
NumPy: acest pachet este descris ca „pachetul fundamental pentru calculul științific cu Python”. Potrivit site-ului oficial al acestui pachet, „aproape fiecare om de știință care lucrează în Python se bazează pe puterea NumPy”.
Pandas: este „un instrument de analiză și manipulare open source rapid, puternic, flexibil și ușor de utilizat”.
Python pentru vizualizarea datelor
Matplotlib: este „o bibliotecă cuprinzătoare pentru crearea de vizualizări statice, animate și interactive în Python”. Dacă sunteți curioși despre ce puteți face cu această bibliotecă, consultați galeria de exemplu.
Seaborn: este „o bibliotecă de vizualizare a datelor Python bazată pe matplotlib”. Dacă sunteți curioși despre ce puteți face cu această bibliotecă, consultați galeria de exemplu.
ggplot2: este "un sistem pentru crearea declarativă de grafică, bazat pe Gramatica graficelor". Potrivit site-ului său oficial: „furnizați datele, spuneți ggplot2 cum să mapeze variabilele la estetică, ce primitive grafice să utilizeze și să aibă grijă de detalii”.
Bokeh: este „o bibliotecă de vizualizare interactivă pentru browsere web moderne”.
Panda:această bibliotecă are multe instrumente pentru vizualizarea datelor.
Resurse de învățare
Dacă doriți să aflați analiza și vizualizarea datelor folosind Python, Jupyter Notebooks, Numpy, Pandas, fișiere CSV, cadre de date și multe altele, vă puteți începe călătoria cu analiza de date gratuită freeCodeCamp cu certificare Python :
În timpul certificării, lucrați la și finalizați aceste proiecte:
Calculator de variație medie-variație standard.
Analizor de date demografice.
Vizualizator de date medicale.
Vizualizator de pagini Time Series Visualizer.
Predictor de nivel al mării.
Canalul YouTube al freeCodeCamp are, de asemenea, aceste tutoriale minunate gratuite pentru a începe:
Analiza datelor cu Python - Curs complet pentru începători (Numpy, Pandas, Matplotlib, Seaborn) de Santiago Basulto.
Python pentru știința datelor - Aflați panda, Matplotlib, Numpy și multe altele de la DataPublishing
Matplotlib Crash Course de Keith Galli
Python NumPy Tutorial pentru începători de Keith Galli
În plus, acestea sunt resurse utile dacă doriți să aflați cum să lucrați cu aceste biblioteci:
Tutoriale Matplolib: tutoriale introductive, intermediare și avansate gratuite pentru a vă învăța cum să creați vizualizări minunate.
Secțiunea Pandas „Noțiuni introductive”: tutoriale introductive gratuite.
Secțiunea NumPy Learn: o colecție organizată de resurse externe pentru a vă ajuta să începeți.
? Învățarea automată
Python este un instrument esențial pentru fiecare dezvoltator care dorește să intre în zona fascinantă a Machine Learning. Să vedem o scurtă introducere în învățarea automată.
Ce este învățarea automată?
Învățarea automată este un domeniu al informaticii care creează sisteme capabile să învețe pe cont propriu.
Acest tip de sistem utilizează algoritmi care sunt îmbunătățiți continuu pe baza datelor de intrare care ajută sistemul să „învețe”. Învață cum să răspundă în mod autonom la noi scenarii generând un rezultat adecvat în noi scenarii bazate pe cunoștințe anterioare.
Unul dintre cele mai uimitoare lucruri despre aceste sisteme este că acestea sunt continuu rafinate.
Nu sunt ca programele pe care le scriem în mod obișnuit într-un script Python unde specificăm fiecare acțiune posibilă pe care o poate face programul. În învățarea automată, sistemul este instruit să „gândească” și să ia decizii pe baza cunoștințelor anterioare.
Acesta este motivul pentru care spunem că mașinile „învață” din date.
? Sfat: Aceasta este o discuție interesantă de la Google: Machine Learning Zero to Hero (Google I / O'19).
Rețele neuronale: elementele de bază ale învățării automate
Rețelele neuronale sunt unitățile de procesare ale sistemului. Ei încearcă să simuleze o rețea reală de neuroni ai creierului. „Neuronii” virtuali primesc intrări, învață cum să proceseze intrarea respectivă și generează o ieșire pe baza cunoștințelor lor anterioare.
Acest lucru este foarte asemănător cu ceea ce creierul face în fiecare moment din fiecare zi.
Datorită rețelelor neuronale, un algoritm de învățare automată poate învăța cum să prezică ieșirea așteptată dintr-o intrare dată pe baza cunoștințelor anterioare.
De exemplu, când vedeți videoclipuri recomandate pe YouTube, aceste recomandări au fost generate de rețelele neuronale care prezic ce videoclipuri ați putea dori să vizionați pe baza modelelor dvs. anterioare. Uimitor, nu?
? Sfat: Acesta este un articol interesant de la Google, dacă doriți să citiți mai multe despre acest exemplu YouTube.
Python și învățarea automată
Sunt sigur că trebuie să vă întrebați: care este rolul Python în această zonă? Este unul dintre cele mai populare și puternice instrumente utilizate pentru programarea acestui tip de sistem.
Una dintre cele mai populare biblioteci utilizate de dezvoltatorii din întreaga lume pentru a lucra cu Python aplicat la Machine Learning este TensorFlow . Este o bibliotecă open-source gratuită dezvoltată de Google Brain Team. Această bibliotecă este utilizată pentru cercetare și producție la Google.
Potrivit lui Jeff Dean, conducătorul diviziei de Inteligență Artificială Google:
Astăzi, acesta este utilizat intens în sistemele noastre de recunoaștere a vorbirii, într-un nou produs Google Foto, Gmail și Căutare Google. (sursă)
Cea mai bună parte este că dezvoltatorii din întreaga lume pot folosi această bibliotecă pentru a aborda problemele din lumea reală.
? Sfat: Acesta este un videoclip extraordinar despre TensorFlow realizat de Google.
Acestea sunt alte două biblioteci populare Python utilizate pentru învățarea automată:
Keras - o bibliotecă de rețea neuronală open-source scrisă în Python.
PyTorch - o bibliotecă open-source de învățare automată utilizată pentru dezvoltarea și instruirea rețelelor neuronale.
Proiecte de învățare automată în Python
Potențialul învățării automate este cu adevărat nesfârșit. Poate fi aplicat practic oricărei zone și contexte la care vă puteți gândi. Dacă sarcina necesită învățarea din tipare și prezicerea rezultatului, atunci un model de învățare automată poate ajuta cu siguranță.
De exemplu, pentru a vă face o idee despre tipul de proiecte pe care le puteți crea, curriculum-ul freeCodeCamp include o învățare automată gratuită cu certificare Python :
În timpul certificării, lucrați la și finalizați aceste proiecte:
Foarfece Rock Paper.
Clasificator de imagine pentru pisici și câini.
Motor de recomandare a cărții folosind K-Near Neighbours.
Calculator pentru costurile de sănătate prin regresie liniară.
Clasificator SMS de rețea neuronală.
Mai multe exemple de aplicații din lumea reală
Puteți găsi mai multe exemple de aplicații ale învățării automate în Kaggle, o „comunitate online de oameni de știință a datelor și practicieni în învățarea automată” deținută de Google.
Pe această platformă, vă puteți exersa abilitățile de Python și Machine Learning lucrând la proiecte și participând la competiții.
Pentru a vă face o idee despre tipul de proiecte pe care le puteți aborda cu Machine Learning, competițiile anterioare din Kaggle includ:
Prezicerea declinului funcției pulmonare.
Prezicerea supraviețuirii pe Titanic.
Instrumente de construcție pentru monitorizarea populației de păsări.
Etichetarea unor repere celebre.
Previziunea COVID-19 răspândit.
Estimarea vânzărilor unitare de mărfuri cu amănuntul Walmart.
Identificarea videoclipurilor cu manipulări ale feței sau sunetului.
Prezicerea timpilor de așteptare la intersecțiile importante ale orașului.
Detectarea fraudelor din tranzacțiile clienților.
Prezicerea veniturilor la box-office la nivel mondial ale unui film.
Prezicerea adopției animalelor de companie.
Identificarea riscului atunci când piloții sunt distrasi, somnoroși sau în alte stări cognitive periculoase.
După cum puteți vedea, doar în această scurtă listă de proiecte, aplicațiile variază de la medicină la afaceri, de la biologie la detectarea riscurilor și de la detectarea fraudei la procesarea imaginilor. Posibilitățile sunt cu adevărat nelimitate atunci când abordați problemele din lumea reală folosind Machine Learning.
Resurse de învățare
Canalul YouTube al freeCodeCamp conține aceste tutoriale utile pentru a începe să folosiți Machine Learning în Python:
Curs complet TensorFlow 2.0 - Tutorial Rețele neuronale Python pentru începători
Dezvoltă un AI pentru a juca Connect Four - Python Tutorial
Curs Scikit-Learn - Tutorial de învățare automată în Python
PyTorch for Deep Learning - Curs complet / Tutorial
Development Dezvoltare web
Python este utilizat în domeniul dezvoltării web pentru a construi back-end-ul aplicațiilor web. Să începem această secțiune vorbind puțin despre ce este back-end-ul și cum ne ajută să creăm aplicații web.
Python pentru dezvoltare Web Back-End
Într-o aplicație web, tot codul utilizat pentru a interacționa cu utilizatorul și a crea ceea ce vede utilizatorul se numește partea front-end a aplicației.
Python este folosit pentru a codifica funcționalitatea din spatele scenei a aplicației, partea care alimentează toate funcționalitățile aplicației, dar pe care nu le vedeți direct pe ecran.
Manevrează partea serverului aplicației, interacționând cu toate bazele de date necesare atunci când utilizatorul solicită date. Returnează datele solicitate utilizatorului pentru ca aplicația să ruleze conform așteptărilor.
? Sfat: Dezvoltarea Web Full-Stack implică atât front-end-ul cât și back-end-ul unei aplicații web pentru ao face prezentabilă utilizatorului în timp ce lucrează cu baze de date.
Cadrele web
Acestea sunt câteva cadre web Python populare:
Django: un „cadru web Python la nivel înalt care încurajează dezvoltarea rapidă și designul curat și pragmatic”.
Flask: un microframe foarte popular folosit pentru a dezvolta aplicații web în Python.
Piramidă: un „cadru web Python mic, rapid, practic”.
Web2Py: un „cadru open-source gratuit full-stack pentru dezvoltarea rapidă a aplicațiilor bazate pe web, bazate pe baze de date rapide, scalabile, sigure și portabile”.
Sticla: un „framework web WSGI rapid, simplu și ușor pentru Python”.
Resurse de învățare
Canalul YouTube freeCodeCamp are tutoriale gratuite excelente pentru a învăța dezvoltarea web în Python:
Python Django Web Framework - Curs complet pentru începători
Aflați Flask for Python - Tutorial complet
Programare Web cu Flask - Introducere în Informatică - CS50 de la Harvard (2018)
Tutorial Python Flask cu stivă completă - Construiește o rețea socială
Acestea sunt, de asemenea, resurse gratuite excelente pentru a învăța cum să lucrați cu aceste cadre:
Secțiunea „Primii pași” Django
Tutoriale Piramida
Tutorial rapid pentru Pyramid
? Educație în informatică
Python joacă în prezent un rol cheie în învățământul informatic din întreaga lume. Să vedem de ce.
De ce Python?
Python este atât de utilizat ca instrument de predare, deoarece:
Este ușor de învățat: sintaxa sa este simplă și poate fi învățată rapid. Elevii încep să se scufunde în aspecte mai avansate ale informaticii mult mai repede decât cu alte limbaje de programare.
sintaxa sa este simplă și poate fi învățată rapid. Elevii încep să se scufunde în aspecte mai avansate ale informaticii mult mai repede decât cu alte limbaje de programare. Este puternic: este utilizat în aplicații din lumea reală, astfel încât studenții încep imediat să dobândească abilități valoroase pentru cariera lor.
este utilizat în aplicații din lumea reală, astfel încât studenții încep imediat să dobândească abilități valoroase pentru cariera lor. Este versatil: acceptă diverse paradigme de programare, inclusiv programarea imperativă, programarea funcțională, programarea procedurală și programarea orientată pe obiecte.
Creatorul limbajului Python, Guido van Rossum, a declarat că:
Acum, cred că Python este mult mai ușor decât să-i înveți pe elevi să programeze și să-i învețe C sau C ++ sau Java în același timp, deoarece toate detaliile limbajelor sunt mult mai dificile.
Sintaxa lui Python este simplă și directă, astfel încât studenții pot începe să învețe mult mai rapid gândirea de calcul și abilitățile de rezolvare a problemelor, ceea ce este de obicei scopul principal al cursurilor introductive de informatică.
Python în clasă și învățare online
Multe universități și școli din întreaga lume au decis să predea cursuri introductive de programare și informatică folosind Python.
De exemplu, MIT, una dintre universitățile de top din lume în domeniul tehnologiei, predă informatică introductivă și programare folosind Python (atât în versiunile din campus, cât și online ale cursului pe edX).
Potrivit unui articol al MIT News publicat când versiunea online a cursului a atins 1,2 milioane de înscrieri, cursul „a devenit cel mai popular MOOC din istoria MIT”.
Acest lucru arată clar că popularitatea lui Python continuă să crească. În articol puteți găsi mărturii ale studenților care au învățat Python și cum această nouă cunoaștere le-a îmbunătățit viața.
În articol, profesorul Ana Bell, lector în cadrul Departamentului EECS de la MIT, afirmă că:
„În centrul său, seria 6.00 predă gândirea de calcul ... Face acest lucru folosind limbajul de programare Python, dar cursul predă și concepte de programare care pot fi aplicate în orice alt limbaj de programare.”
Acest lucru arată în mod clar potențialul Python ca instrument de predare. Poate fi folosit pentru a preda concepte de nivel superior care pot fi aplicate altor limbaje de programare.
Și face acest lucru fără un strat suplimentar de complexitate pe care sintaxa altor limbaje de programare, cum ar fi Java sau C, l-ar putea adăuga procesului de învățare.
În ultimii ani, cursurile online au devenit o parte importantă din viața de zi cu zi a cursanților de toate vârstele din întreaga lume. Varietatea de cursuri și resurse online gratuite s-a extins enorm în ultimii ani.
De exemplu, curriculum-ul freeCodeCamp include trei certificate gratuite cu proiecte care să vă ajute să vă extindeți abilitățile Python în domenii cheie cu cerere mare la nivel mondial:
Calcul științific cu Python.
Analiza datelor cu Python.
Învățare automată cu Python.
Universitatea Harvard oferă, de asemenea, aceste cursuri online care pot fi auditate gratuit:
Introducerea CS50 în informatică.
Programarea web a CS50 cu Python și JavaScript.
Introducerea CS50 în inteligența artificială cu Python.
Python a devenit cu siguranță un instrument cheie care a îmbunătățit educația informatică la nivel mondial. Și va continua să o facă în viitor.
Dacă vă gândiți să predați un curs folosind Python sau să învățați Python, vă garantez că timpul și efortul dvs. vor merita în totalitate.
Vision Viziunea computerizată și procesarea imaginilor
Python este utilizat pentru viziunea computerizată și procesarea imaginilor, câmpuri care se extind rapid.
Scopul procesării imaginii este de a procesa o imagine, de a aplica transformări asupra acesteia și de a returna o nouă versiune a imaginii originale.
În schimb, scopul viziunii pe computer este mai complex, deoarece încearcă să facă computerul să înțeleagă și să interpreteze o imagine și conținutul acesteia.
Procesarea imaginii
Să începem cu procesarea imaginilor. Cu o bibliotecă Python, puteți efectua operațiuni precum:
Tăierea, răsucirea și rotirea.
Manipularea expunerii și a canalelor de culoare.
Detectarea muchiilor și a liniilor.
Adăugarea de filtre și restabilirea imaginilor.
Viziunea computerizată
Acum să ne scufundăm în viziunea computerizată. Dacă începeți să cercetați acest subiect, s-ar putea să fiți surprinși de aplicațiile sale actuale. Unii dintre ei sunt:
Navigare.
Detectarea obiectelor și evenimentelor.
Recunoastere faciala.
Clasificarea imaginilor.
Acest domeniu științific este atât de important încât Google a dezvoltat un instrument numit Cloud Vision, care are o versiune Python pentru ca dezvoltatorii să încorporeze această funcționalitate în programele lor.
Conform tutorialului „Utilizarea API-ului Vision cu Python” din Google Codelabs, API-ul Google Cloud Vision:
Permite dezvoltatorilor să integreze cu ușurință funcțiile de detectare a vederii în cadrul aplicațiilor, inclusiv etichetarea imaginilor, detectarea feței și a reperelor, recunoașterea optică a caracterelor (OCR) și etichetarea conținutului explicit.
Acest set de instrumente oferă funcționalități pentru detectarea feței, detectarea reperelor, detectarea siglelor, detectarea etichetelor, detectarea textului și multe altele.
? Sfat: Una dintre cele mai uimitoare aplicații ale viziunii computerizate este dezvoltarea de software pentru controlul autoturismelor. Aceste vehicule trebuie să „vadă” unde conduc, unde se află banda și ce obiecte le înconjoară (inclusiv alte vehicule). Viziunea computerizată joacă un rol cheie în această funcționalitate.
Biblioteci Python
Acestea sunt câteva biblioteci minunate pentru viziunea computerizată și procesarea imaginilor:
OpenCV: o "bibliotecă de software open source pentru viziune computerizată și învățare automată". Versiunea sa Python se numește OpenCV-Python.
scikit-image: o „colecție de algoritmi utilizați pentru procesarea imaginilor”.
NumPy: poate fi folosit pentru a procesa pixelii unei imagini ca matrice 2D.
SciPy: pachetul „conține diverse funcții pentru procesarea imaginilor multidimensionale”.
? Dezvoltarea jocului
Jocurile modelează cu siguranță vieți și creează amintiri atemporale. Vor continua să facă parte din societatea noastră în anii următori. Python este deja acolo, aprinzând scânteia creării jocului.
Cadre de dezvoltare Python Game
Conform documentației oficiale Python, există două cadre principale Python utilizate pentru dezvoltarea jocurilor:
pygame: "pachetul original și încă foarte activ pentru dezvoltarea jocului folosind Python. Permite Python să vorbească cu SDL, o bibliotecă multimedia pe mai multe platforme. Deoarece trebuie să fie compilat pentru fiecare platformă și fiecare versiune Python, pot exista un decalaj atunci când apare o nouă versiune Python. "
pyglet: acesta este „noul venit, bazat pe OpenGL. Deoarece este un pachet Python pur, acesta poate fi folosit așa cum este chiar și atunci când este lansată o nouă versiune Python (cu excepția tranziției Python 2 la Python 3).”
De asemenea, puteți utiliza modulul broască țestoasă pentru a crea jocuri simple. Turtle este un modul Python încorporat care se instalează automat când instalați Python în computer. Vă ajută să creați jocuri cu o grafică simplă și cu o interfață de utilizator simplă.
Resurse de învățare
Dacă doriți să învățați dezvoltarea jocului în Python, canalul YouTube al freeCodeCamp are următoarele tutoriale gratuite:
Aflați Python construind cinci jocuri - curs complet
Tutorial Python și Pygame - Construiește Tetris! Curs complet GameDev
Tutorial Python pentru jocul Șarpe
? Medicină și farmacologie
Python are și aplicații uimitoare în domeniul medical. Veți fi surprins de modul în care tehnologia este combinată cu cunoștințe medicale pentru a oferi pacienților diagnostice și tratamente precise și eficiente.
Aplicații
Câteva exemple de utilizare a Python în medicină și farmacologie includ:
Efectuarea de diagnostice clinice pe baza dosarelor și simptomelor medicale ale pacienților.
Analiza datelor medicale.
Realizarea de modele de calcul pentru a accelera procesul de dezvoltare a noilor medicamente.
Aceste aplicații largi includ mii și mii de exemple în întreaga lume. Am selectat câteva dintre ele pentru a ilustra modul în care Python modelează acest câmp. Să le aruncăm o privire.
Poveste de succes farmaceutic: AstraZeneca
Conform documentației oficiale Python, una dintre cele mai importante companii farmaceutice din lume, AstraZeneca, a folosit Python pentru a-și îmbunătăți modelele de calcul existente pentru a le face „mai robuste, extensibile și mai ușor de întreținut”.
Cercetătorii au folosit aceste modele pentru a simula structura chimică a moleculelor și efectul lor în organism. Acest lucru i-a ajutat pe oamenii de știință să identifice moleculele potențiale pentru noi medicamente și să înceapă să le testeze mai repede în laborator.
Când s-a alăturat echipei, Andrew Dalke, fiind un „cunoscut avocat al Python în chimie și biologie computațională” a convins echipa că Python era exact ceea ce aveau nevoie.
Python a fost ales pentru această lucrare, deoarece este una dintre cele mai bune limbi disponibile pentru oamenii de știință fizici, adică pentru persoanele care nu au o experiență în informatică.
El a declarat că:
Python a fost conceput pentru a rezolva problemele din lumea reală cu care se confruntă un programator expert. Rezultatul este un limbaj care variază bine de la mici scripturi scrise de un chimist la pachete mari scrise de un dezvoltator de software.
Uimitor, nu? Python poate alimenta modelele de calcul pe care laboratoarele farmaceutice le folosesc pentru a dezvolta noi medicamente.
Identificarea celulelor roșii din sânge (RBC)
O altă aplicație medicală interesantă a Python este legată de hematologie. De obicei, profesioniștii specializați analizează testele de sânge prin numărarea și identificarea manuală a celulelor, dar acest lucru poate fi îmbunătățit cu ajutorul automatizării.
Cercetătorii au descoperit că Python poate fi instrumentul potrivit pentru job. Să vedem un proiect interesant.
IdentiCyte
Scopul acestui proiect este de a identifica și clasifica formele de celule roșii din sânge pe baza imaginilor luate de la microscopuri optice. Potrivit acestui articol, „forma RBC poate ajuta la diagnosticarea bolilor și tulburărilor, cum ar fi leucemia, anemia falciformă și malaria”.
Proiectul a fost dezvoltat de cercetători de la Bioresource Processing Research Institute Australia. A fost programat în Python și a folosit pachete și biblioteci Python de procesare a imaginilor, cum ar fi numpy, scipy, opencv-python, scikit-learn și matplotlib.
Pachete medicale Python
pyGeno: un pachet open-source Python dezvoltat de Tariq Daouda la Institutul de Cercetări în Imunologie și Cancer (IRIC). Este destinat „aplicațiilor de medicină de precizie care se învârt în jurul genomicii și proteomicii”. Funcționează cu genomi de referință și personalizați.
MedPy: o bibliotecă Python open-source „pentru procesarea imaginilor medicale în Python, oferind funcționalități de bază pentru citirea, scrierea și manipularea imaginilor mari de dimensionalitate arbitrară”.
Aplicații medicale din lumea reală (exemple)
Gusztav Belteki a prezentat un alt exemplu în timpul discursului său la PyData Berlin 2018 „Python in Medicine: analize data from ventilators mecanice”. Scopul cercetării sale a fost „interpretarea seturilor de date mari preluate din echipamentele moderne utilizate în terapie intensivă neonatală, ventilatoare mecanice și monitoare pentru pacienți”.
La PyCon 2019, Jill Cates a susținut această prezentare intitulată „Cum să construim un model de diagnostic clinic în Python”.
? Biologie și Bioinformatică
Python are, de asemenea, aplicații uimitoare în lumea Biologiei și Bioinformaticii. Acestea includ procesarea secvențelor ADN, simularea dinamicii și geneticii populației și modelarea structurilor biochimice.
Biopython
Biopython este un cadru Python cu „instrumente disponibile gratuit pentru calcul biologic”. Scopul său este de a „răspunde nevoilor activității actuale și viitoare în domeniul bioinformaticii”.
Conform documentației sale, acest cadru include funcționalități precum capacitatea de a:
Lucrați cu secvențe și efectuați operații obișnuite asupra acestora, cum ar fi transcrierea, traducerea și calculele greutății.
Conectați-vă cu baze de date biologice.
Efectuați clasificarea datelor folosind K-Nearest Neighbours, Naive Bayes și Support Vector Machines.
Lucrați cu copaci filogenetici și genetica populației.
Documentația afirmă că „scopul Biopython este de a face cât mai ușoară utilizarea Python pentru bioinformatică prin crearea de module și clase reutilizabile de înaltă calitate”.
Rosalind: Practică Python rezolvând provocările bioinformaticii
Rosalind este „o platformă pentru învățarea bioinformaticii prin rezolvarea problemelor”. Este „gratuit și deschis publicului” (pagina Întrebări frecvente indică faptul că este în modul beta).
Python poate fi folosit pentru a rezolva provocările de pe platformă. Deoarece acesta este un limbaj de programare foarte popular în platformă, există o secțiune „Satul Python”, unde puteți învăța elementele de bază ale Python înainte de a aborda algoritmii bioinformatici.
Utilizatorii rezolvă problemele executând soluțiile pe computerul lor, procesând setul de date dat și copiind / lipind ieșirea pentru a verifica răspunsul.
? Sfat: Numele proiectului comemorează pe Rosalind Franklin, „a cărei cristalografie cu raze X cu Raymond Gosling a facilitat descoperirea dublei spirale ADN de către Watson și Crick”.
Pachete și cadre
ProDy: un pachet gratuit și open-source „pentru analiza dinamicii structurale a proteinelor” dezvoltat de laboratorul Bahar de la Universitatea din Pittsburgh.
PySB : un „cadru pentru construirea de modele matematice a sistemelor biochimice ca programe Python” dezvoltat de membrii laboratorului Lopez de la Universitatea Vanderbilt și laboratorul Sorger de la Harvard Medical School.
un „cadru pentru construirea de modele matematice a sistemelor biochimice ca programe Python” dezvoltat de membrii laboratorului Lopez de la Universitatea Vanderbilt și laboratorul Sorger de la Harvard Medical School. Simulatorul comunitar: acesta este un „pachet Python disponibil gratuit pentru simularea dinamicii populației microbiene într-un mod reproductibil, transparent și scalabil” dezvoltat de cercetătorii de la Universitatea din Boston.
? Sfat: Dacă doriți să aflați mai multe despre aplicațiile Python în Bioinformatică, iată o discuție a lui Martin Schweitzer la PyCon Australia: „Python pentru Bioinformatică pentru învățarea Python”.
? Neuroștiințe și Psihologie
Python are, de asemenea, aplicații în cercetarea neurologică și psihologie experimentală.
Python în Neuroștiințe
Conform articolului Python in neuroscience scris de cercetători de la Centrul pentru Simulare a Creierului, Ecole Polytechnique Fédérale de Lausanne, Geneva, Elveția:
Calculul devine esențial în toate științele, pentru achiziționarea și analiza datelor, automatizarea și testarea ipotezelor prin modelare și simulare.
În ceea ce privește Python, ei afirmă că:
Ne-a devenit clar în 2007 că ne aflam pe vârful unui Python emergent în ecosistemul neuroștiinței , în special în neuroștiința computațională și neuroimagistica, dar și în analiza datelor electrofiziologice și în psihofizică.
După cum puteți vedea, Python și calculul s-au extins în toate științele.
PsihoPy
PsychoPy este „un pachet open-source pentru derularea experimentelor în Python” susținut de Universitatea din Nottingham. Conform documentației oficiale a acestui pachet:
Este folosit de multe laboratoare din întreaga lume pentru psihofizică, neuroștiințe cognitive și psihologie experimentală.
Site-ul oficial al acestui pachet precizează că este:
Ușor de învățat.
Destul de precis pentru psihofizică.
Flexibil.
Online sau de laborator, în funcție de alegerea utilizatorului.
? Astronomia
Python are și aplicații în astronomie și astrofizică. Să vedem trei dintre principalele pachete Python utilizate în acest domeniu științific:
Astropie
Pachetul Astropy „conține diverse clase, utilități și un cadru de ambalare destinat să ofere instrumente astronomice utilizate în mod obișnuit”.
Astropy face parte dintr-un proiect mai mare numit The Astropy Project, care este „este un efort comunitar de a dezvolta un pachet de bază comun pentru astronomie în Python și de a încuraja un ecosistem de pachete interoperabile de astronomie”.
Potrivit paginii Despre, unul dintre obiectivele sale este „îmbunătățirea utilizabilității, interoperabilității și colaborării dintre pachetele de astronomie Python”.
? Sfat: Puteți vedea exemple de proiecte realizate cu Astropy în Galeria de exemple.
SunPy
Pachetul SunPy este descris ca „mediul de analiză a datelor solare gratuite și open source dezvoltat de comunitate pentru Python”. Se bazează pe capacitățile pachetelor Python, cum ar fi NumPy, SciPy, Matplotlib și Pandas.
SpacePy
Pachetul SpacePy este „un pachet pentru Python, destinat științelor spațiale, care își propune să faciliteze analiza, modelarea și vizualizarea datelor de bază”.
Conform documentației sale oficiale:
Proiectul SpacePy urmărește să promoveze standarde de cercetare exacte și deschise, oferind un mediu deschis pentru dezvoltarea codului.
Conform descrierii depozitului său GitHub, acesta a suprapus clase de epocă, urmărirea coajelor de derivă, acces la modele de câmp magnetic, simplificarea urmăririi, limitele de încredere ale bootstrapului, conversiile de timp și coordonate și multe altele.
? Alte aplicații
Python poate fi aplicat și în multe alte domenii, inclusiv:
Robotică: Python poate fi folosit pentru a programa roboți. O bibliotecă scrisă în acest scop este pybotics, „o cutie de instrumente open-source Python pentru cinematica și calibrarea robotului”.
Python poate fi folosit pentru a programa roboți. O bibliotecă scrisă în acest scop este pybotics, „o cutie de instrumente open-source Python pentru cinematica și calibrarea robotului”. Vehicule autonome: Python poate fi folosit pentru a programa software-ul care controlează mașinile cu conducere automată. Aceste mașini au nevoie de viziune computerizată pentru a „vedea” unde conduc, unde este banda și ce obiecte le înconjoară.
Python poate fi folosit pentru a programa software-ul care controlează mașinile cu conducere automată. Aceste mașini au nevoie de viziune computerizată pentru a „vedea” unde conduc, unde este banda și ce obiecte le înconjoară. Meteorologie : pachetul indicii climatici „conține implementări Python ale diferiților algoritmi de indicatori climatici care oferă o imagine geografică și temporală a severității precipitațiilor și a anomaliilor de temperatură utile pentru monitorizarea și cercetarea climatului”.
: pachetul indicii climatici „conține implementări Python ale diferiților algoritmi de indicatori climatici care oferă o imagine geografică și temporală a severității precipitațiilor și a anomaliilor de temperatură utile pentru monitorizarea și cercetarea climatului”. Afaceri: Python poate fi un instrument puternic pentru a analiza datele generate de companii și pentru a prognoza tendințele viitoare.
Python poate fi un instrument puternic pentru a analiza datele generate de companii și pentru a prognoza tendințele viitoare. Dezvoltarea interfeței grafice de utilizator (GUI) : Python poate fi utilizat pentru a crea interfețe grafice de utilizator cu instrumente precum tkinter.
: Python poate fi utilizat pentru a crea interfețe grafice de utilizator cu instrumente precum tkinter. Dacă sunteți interesat să aflați mai multe despre acest lucru, freeCodeCamp are un tutorial excelent pe YouTube: Tkinter Course - Creați interfețe grafice de utilizator în Python Tutorial.
? În rezumat
Există multe aplicații Python în fiecare zonă pe care vi le puteți imagina. Sper că acest articol v-a dat o idee despre gama largă de aplicații din lumea reală a acestui limbaj de programare în industriile care modelează în prezent lumea noastră.
Amintiți-vă că, indiferent în ce domeniu vă aflați sau în ce domeniu doriți să vă aflați, învățarea Python vă va deschide cu siguranță multe uși. Este aici pentru a rămâne. Și a transformat și îmbunătățit lumea noastră actuală și va continua să o facă mulți ani.
Sper cu adevărat că ți-a plăcut articolul meu și l-ai găsit util. Vezi cursurile mele online. Urmăriți-mă pe Twitter. ⭐️