За какво се използва Python? 10+ приложения за кодиране на езика за програмиране на Python.

Добре дошли

Здравей! Моля, отделете малко време, за да помислите по този въпрос:

Как се прилага Python в реални сценарии?

Ако изучавате Python и искате да знаете отговора, тогава тази статия е за вас.

Наличието на ясна представа за приложенията и огромния потенциал на този език за програмиране ще ви даде мотивацията, от която се нуждаете през цялото си пътуване.

Нека да започнем! ✨

🔸 Python в реални сценарии

Python се използва практически във всяка индустрия и научна област, които можете да си представите, включително:

  • Наука за данните.
  • Машинно обучение.
  • Уеб разработка.
  • Образование по компютърни науки.
  • Компютърно зрение и обработка на изображения.
  • Разработване на игри.
  • Медицина и фармакология.
  • Биология и биоинформатика.
  • Невронаука и психология.
  • Астрономия.
  • Други области като роботика, автономни превозни средства, бизнес, метеорология и разработване на графичен потребителски интерфейс (GUI).

Тази статия обхваща широк спектър от приложения на този програмен език в тези индустрии с примери, случаи на употреба и библиотеки на Python. Нека започнем с приложенията на Python в науката за данни.

Science Наука за данни: Анализ и визуализация

Може би едно от най-популярните приложения на Python е науката за данните. Силата на Python библиотеките, разработени за анализ и визуализация на данни, е невероятна. Да видим защо.

Приложения за наука за данни

С библиотеката за визуализация на данни на Python можете да създавате голямо разнообразие от графики и визуални изображения, като например:

  • Линии, ленти и маркери.
  • Изображения, контури и полета.
  • Подпрограми, оси и фигури.
  • Статистика (графични полета, стълбови диаграми и хистограми).
  • Кръгови и полярни диаграми.
  • 3D парцели.
  • и още!

Можете да добавяте текст, етикети, пояснения, цвят, фигури, колекции, анимации и интерактивност към вашите графики в зависимост от пакета или библиотеката, с които сте избрали да работите.

💡 Съвет: Можете да видите някои примери за визуализации на данни, генерирани с Python на изображението по-горе.

Библиотеки и пакети

Нека да видим някои от най-популярните пакети и библиотеки за работа с Python в науката за данни:

Python за анализ на данни

  • NumPy: този пакет е описан като "основният пакет за научни изчисления с Python". Според официалния уебсайт на този пакет, "почти всеки учен, работещ в Python, използва силата на NumPy."
  • Pandas: е "бърз, мощен, гъвкав и лесен за използване инструмент за анализ и манипулация на данни с отворен код."

Python за визуализация на данни

  • Matplotlib: е "изчерпателна библиотека за създаване на статични, анимирани и интерактивни визуализации в Python." Ако ви интересува какво можете да направите с тази библиотека, разгледайте примерната галерия.
  • Seaborn: е "библиотека за визуализация на данни на Python, базирана на matplotlib." Ако ви интересува какво можете да направите с тази библиотека, разгледайте примерната галерия.
  • ggplot2: е "система за декларативно създаване на графика, базирана на Граматиката на графиката". Според официалния му уебсайт: "вие предоставяте данните, кажете на ggplot2 как да съпоставите променливите с естетиката, какви графични примитиви да използвате и той се грижи за подробностите."
  • Bokeh: е "интерактивна библиотека за визуализация за съвременни уеб браузъри".
  • Панди:тази библиотека има много инструменти за визуализация на данни.

Учебни ресурси

Ако искате да научите анализ и визуализация на данни с помощта на Python, Jupyter Notebooks, Numpy, Pandas, CSV файлове, рамки за данни и други, можете да започнете пътуването си с безплатния анализ на данни на FreeCodeCamp с Python Certification :

По време на сертифицирането работите и завършвате следните проекти:

  • Калкулатор за средно отклонение - стандартно отклонение.
  • Анализатор на демографски данни.
  • Визуализатор на медицински данни.
  • Визуализатор на часови редове за преглед на страница.
  • Прогноза за морското ниво.

Каналът на YouTube на freeCodeCamp също има тези страхотни безплатни уроци, за да започнете:

  • Анализ на данни с Python - пълен курс за начинаещи (Numpy, Pandas, Matplotlib, Seaborn) от Сантяго Басулто.
  • Python за наука за данни - Научете Pandas, Matplotlib, Numpy и др. От DataPublishing
  • Matplotlib Crash Course от Кийт Гали
  • Урок за Python NumPy за начинаещи от Кийт Гали

Освен това това са полезни ресурси, ако искате да научите как да работите с тези библиотеки:

  • Matplolib Tutorials: безплатни уводни, междинни и разширени уроци, които ще ви научат как да създавате страхотни визуализации.
  • Раздел „Първи стъпки“ на Pandas: безплатни уводни уроци.
  • Раздел NumPy Learn: подбрана колекция от външни ресурси, за да ви помогне да започнете.

🔸 Машинно обучение

Python е основен инструмент за всеки разработчик, който иска да влезе в очарователната област на машинното обучение. Нека видим кратко въведение в машинното обучение.

Какво е машинно обучение?

Машинното обучение е област на компютърните науки, която създава системи, които са в състояние да учат сами.

Този тип система използва алгоритми, които непрекъснато се усъвършенстват въз основа на входни данни, които помагат на системата да се „учи“. Той се научава как да реагира автономно на нови сценарии, като генерира подходящ изход в нови сценарии въз основа на предишни знания.

Едно от най-удивителните неща за тези системи е, че те непрекъснато се усъвършенстват.

Те не са като програмите, които обикновено пишем в скрипт на Python, където определяме всяко възможно действие, което програмата може да предприеме. В машинното обучение системата е обучена да „мисли“ и да взема решения въз основа на предишни знания.

Ето защо казваме, че машините се "учат" от данните.

💡 Съвет: Това е интересна беседа от Google: Machine Learning Zero to Hero (Google I / O'19).

Невронни мрежи: градивните елементи на машинното обучение

Невронните мрежи са процесорните единици на системата. Те се опитват да симулират реална мрежа от неврони на мозъка. Те виртуални "неврони" получават вход, научават се как да обработват този вход и генерират изход въз основа на предишните си знания.

Това е много подобно на това, което външният мозък прави всеки момент от всеки един ден.

Благодарение на невронните мрежи алгоритъмът за машинно обучение може да се научи как да прогнозира очакваната продукция от даден вход въз основа на предишни знания.

Например, когато видите препоръчани видеоклипове в YouTube, тези препоръки са генерирани от невронни мрежи, които предсказват какви видеоклипове бихте искали да гледате въз основа на предишните ви модели. Удивително, нали?

💡 Съвет: Това е интересна статия от Google, ако искате да прочетете повече за този пример в YouTube.

Python и машинно обучение

Сигурен съм, че трябва да попитате: каква е ролята на Python в тази област? Това е един от най-популярните и мощни инструменти, използвани за програмиране на този тип система.

Една от най-популярните библиотеки, използвани от разработчиците по целия свят за работа с Python, приложена към машинното обучение, е TensorFlow . Това е безплатна библиотека с отворен код, разработена от Google Brain Team. Тази библиотека се използва за изследвания и производство в Google.

Според Джеф Дийн, ръководителят на отдела за изкуствен интелект на Google:

Днес той се използва интензивно в нашите системи за разпознаване на реч, в нов продукт на Google Photos, Gmail и Google Търсене. (източник)

Най-хубавото е, че разработчиците от цял ​​свят могат да използват тази библиотека за справяне с реални проблеми.

💡 Съвет: Това е страхотно видео за TensorFlow, направено от Google.

Това са две други популярни библиотеки на Python, използвани за машинно обучение:

  • Keras - библиотека с невронна мрежа с отворен код, написана на Python.
  • PyTorch - библиотека за машинно обучение с отворен код, използвана за разработване и обучение на невронни мрежи.

Проекти за машинно обучение в Python

Потенциалът на машинното обучение е наистина безкраен. Може да се приложи на практика във всяка област и контекст, за които можете да се сетите. Ако задачата изисква учене от модели и прогнозиране на резултатите, тогава моделът за машинно обучение определено може да помогне.

Например, за да ви даде представа за типа проекти, които можете да създадете, учебната програма на freeCodeCamp включва безплатно машинно обучение с сертифициране на Python :

По време на сертифицирането работите и завършвате следните проекти:

  • Камък ножица хартия.
  • Класификатор на изображения за котки и кучета.
  • Двигател за препоръки на книги, използващ K-Nedest Neighbors
  • Калкулатор на здравни разходи за линейна регресия.
  • SMS класификатор на невронна мрежа.

Още примери за приложения в реалния свят

Можете да намерите още примери за приложенията на машинното обучение в Kaggle, „онлайн общност от учени по данни и специалисти по машинно обучение“, собственост на Google.

В тази платформа можете да практикувате своите умения за Python и машинно обучение, като работите по проекти и участвате в състезания.

За да ви дадат представа за вида проекти, с които можете да се справите с машинно обучение, предишните състезания в Kaggle включват:

  • Предсказване на спада на белодробната функция.
  • Предсказване на оцеляването на Титаник.
  • Изграждане на инструменти за наблюдение на популацията на птиците.
  • Етикетиране на известни забележителности.
  • Прогнозиране на разпространението на COVID-19.
  • Оценка на единичните продажби на стоки на дребно на Walmart.
  • Идентифициране на видеоклипове с лице или звук манипулации.
  • Прогнозиране на времето за изчакване в големите градски кръстовища.
  • Откриване на измами от клиентски транзакции.
  • Прогнозиране на приходите от филми в световен мащаб.
  • Прогнозиране на осиновяването на домашни любимци.
  • Идентифициране на риска, когато пилотите са разсеяни, сънливи или в други опасни когнитивни състояния.

Както можете да видите, точно в този кратък списък с проекти, приложенията варират от медицина до бизнес, от биология до откриване на риск и от откриване на измами до обработка на изображения. Възможностите са наистина безкрайни, когато се справяте с реални проблеми с помощта на машинно обучение.

Учебни ресурси

YouTube-каналът на freeCodeCamp има тези полезни уроци, за да започнете с машинното обучение в Python:

  • Пълен курс на TensorFlow 2.0 - Урок за невронни мрежи на Python за начинаещи
  • Разработете AI, за да играете Connect Four - Python Tutorial
  • Scikit-Learn Course - машинно обучение в урока по Python
  • PyTorch за дълбоко обучение - Пълен курс / Урок

🔹 Уеб разработка

Python се използва в областта на уеб разработката за изграждане на задния край на уеб приложения. Нека започнем този раздел, като поговорим малко за това какво представлява back-end и как ни помага да създаваме уеб приложения.

Python за Back-End уеб разработка

В уеб приложение целият код, използван за взаимодействие с потребителя и създаване на това, което вижда потребителят, се нарича предна част на приложението.

Python се използва за кодиране на задкулисната функционалност на приложението, частта, която управлява цялата функционалност на приложението, но която не виждате директно на екрана.

Той обработва сървърната страна на приложението, взаимодействайки с всички необходими бази данни, когато потребителят поиска данни. Той връща исканите данни на потребителя, за да накара приложението да работи както се очаква.

💡 Съвет: Уеб разработката с пълен стек включва както предния, така и задния край на уеб приложение, за да го направи представимо за потребителя, докато работи с бази данни.

Уеб рамки

Това са някои популярни уеб рамки на Python:

  • Django: „Уеб рамка на високо ниво на Python, която насърчава бързото развитие и изчистен, прагматичен дизайн“.
  • Колба: много популярна микрорамка, използвана за разработване на уеб приложения в Python.
  • Пирамида: „малка, бърза, земна Python уеб рамка.“
  • Web2Py: "безплатна рамка с пълен стек с отворен код за бързо разработване на бързи, мащабируеми, сигурни и преносими уеб базирани приложения, базирани на база данни."
  • Бутилка: „бърза, лесна и лека WSGI микро уеб рамка за Python.“

Учебни ресурси

Каналът на YouTube на freeCodeCamp има страхотни безплатни уроци за изучаване на уеб разработката в Python:

  • Python Django Web Framework - Пълен курс за начинаещи
  • Научете колба за Python - пълен урок
  • Уеб програмиране с колба - Въведение в компютърните науки - Харвард CS50 (2018)
  • Урок за пълен стек на Python Flask - Изградете социална мрежа

Това са и страхотни безплатни ресурси, за да научите как да работите с тези рамки:

  • Django "Първи стъпки" раздел
  • Пирамида уроци
  • Бърз урок за пирамида

Education Образование по компютърни науки

Понастоящем Python играе ключова роля в образованието по компютърни науки по целия свят. Да видим защо.

Защо Python?

Python е толкова широко използван като инструмент за обучение, защото:

  • Лесно е да се научи: неговият синтаксис е прост и може да се научи бързо. Студентите започват да се гмуркат в по-напредналите аспекти на компютърните науки много по-бързо, отколкото с други езици за програмиране.
  • Той е мощен: използва се в реални приложения, така че студентите веднага започват да придобиват ценни умения за кариерата си.
  • Той е универсален: поддържа различни парадигми за програмиране, включително императивно програмиране, функционално програмиране, процедурно програмиране и обектно-ориентирано програмиране.

Създателят на езика Python, Guido van Rossum, заяви, че:

Сега вярвам, че Python е много по-лесен, отколкото да преподава на студенти по програмиране и да ги учи C или C ++ или Java едновременно, защото всички детайли на езиците са много по-трудни.

Синтаксисът на Python е прост и ясен, така че учениците могат да започнат да учат изчислително мислене и умения за решаване на проблеми много по-бързо, което обикновено е основната цел на въвеждащите курсове по компютърни науки.

Python в класната стая и онлайн обучение

Много университети и училища по света са решили да преподават уводно програмиране и курсове по компютърни науки с помощта на Python.

Например, MIT, един от водещите световни университети в областта на технологиите, преподава уводна компютърна наука и програмиране с помощта на Python (както в кампуса, така и онлайн версии на курса на edX).

Според статия на MIT News, публикувана, когато онлайн версията на курса достигна 1,2 милиона записа, курсът "се превърна в най-популярния MOOC в историята на MIT".

Това ясно показва, че популярността на Python продължава да расте. В статията можете да намерите свидетелства на ученици, които са научили Python и как тези нови знания са подобрили живота им.

В статията професор Ана Бел, преподавател в отдел EECS в MIT, заявява, че:

„В основата си серията 6.00 преподава изчислително мислене ... Тя прави това с помощта на езика за програмиране Python, но курсът преподава и програмни концепции, които могат да бъдат приложени на всеки друг език за програмиране.“

Това ясно показва потенциала на Python като инструмент за обучение. Може да се използва за преподаване на концепции от по-високо ниво, които могат да бъдат приложени към други езици за програмиране.

И прави това без допълнителния слой сложност, който синтаксисът на други езици за програмиране като Java или C може да добави към учебния процес.

През последните няколко години онлайн курсовете се превърнаха във важна част от ежедневието на учениците от всички възрасти по света. Разнообразието от безплатни онлайн курсове и ресурси се разшири изключително през последните няколко години.  

Например учебната програма на freeCodeCamp включва три безплатни сертификата с проекти, които да ви помогнат да разширите своите умения на Python в ключови области с голямо търсене в световен мащаб:

  • Научни изчисления с Python.
  • Анализ на данни с Python.
  • Машинно обучение с Python.

Харвардският университет предлага и тези онлайн курсове, които могат да бъдат одитирани безплатно:

  • Въведение на CS50 в компютърните науки.
  • Уеб програмиране на CS50 с Python и JavaScript.
  • Въведение на CS50 в изкуствения интелект с Python.

Python определено се превърна в ключов инструмент, който подобри образованието по компютърни науки в световен мащаб. И ще продължи да го прави и в бъдеще.

Ако мислите да преподавате курс с Python или да изучавате Python, гарантирам ви, че вашето време и усилия ще ви струват напълно.

Компютърно зрение и обработка на изображения

Python се използва за компютърно зрение и обработка на изображения, полета, които се разширяват бързо.

Целта на обработката на изображението е да обработи изображение, да приложи трансформации към него и да върне нова версия на оригиналното изображение.  

За разлика от това, целта на компютърното зрение е по-сложна, защото се опитва да накара компютъра да разбере и интерпретира изображение и неговото съдържание.

Обработка на изображение

Нека започнем с обработката на изображения. С библиотека на Python можете да извършвате операции като:

  • Изрязване, обръщане и завъртане.
  • Манипулиране на експозицията и цветните канали.
  • Откриване на ръбове и линии.
  • Добавяне на филтри и възстановяване на изображения.

Компютърно зрение

Сега нека се потопим в компютърното зрение. Ако започнете да проучвате тази тема, може да се изненадате от настоящите й приложения. Някои от тях са:

  • Навигация.
  • Откриване на обект и събитие.
  • Разпознаване на лицето.
  • Класификация на изображенията.

Тази научна област е толкова важна, че Google разработи инструмент, наречен Cloud Vision, който има версия на Python за разработчиците, за да включи тази функционалност в своите програми.

Според урока "Използване на API на Vision с Python" в Google Codelabs, API на Google Cloud Vision:

Позволява на разработчиците лесно да интегрират функции за откриване на зрение в приложения, включително етикетиране на изображения, разпознаване на лица и ориентири, оптично разпознаване на символи (OCR) и маркиране на изрично съдържание.

Този набор от инструменти предоставя функционалност за разпознаване на лица, забележителност, разпознаване на лого, разпознаване на етикети, разпознаване на текст и др.

💡 Съвет: Едно от най-удивителните приложения на компютърното зрение е разработването на софтуер за управление на самоуправляващи се автомобили. Тези превозни средства трябва да "виждат" къде се движат, къде е лентата и какви предмети ги заобикалят (включително други превозни средства). Компютърното зрение играе ключова роля в тази функционалност.

Python библиотеки

Ето някои страхотни библиотеки за компютърно зрение и обработка на изображения:

  • OpenCV: „библиотека със софтуер за компютърно зрение и машинно обучение“. Неговата версия на Python се нарича OpenCV-Python.
  • scikit-image: „колекция от алгоритми, използвани за обработка на изображения“.
  • NumPy: може да се използва за обработка на пикселите на изображение като 2D масив.
  • SciPy: пакетът scipy.ndimage "съдържа различни функции за многоизмерна обработка на изображения."

Development Разработване на игри

Игрите определено оформят живота и създават вечни спомени. Те ще продължат да бъдат част от нашето общество и през следващите години. Python вече е там, запалвайки искрата на създаването на игри.

Рамки за разработка на игри на Python

Според официалната документация на Python има две основни рамки на Python, използвани за разработване на игри:

  • pygame: "оригиналният и все още много активен пакет за разработване на игри с помощта на Python. Той позволява на Python да говори със SDL, междуплатформена мултимедийна библиотека. Тъй като трябва да се компилира за всяка платформа и всяка версия на Python, може да има забавяне, когато се появи нова версия на Python. "
  • pyglet: това е "новодошлия, базиран на OpenGL. Тъй като това е чист пакет на Python, той може да се използва както обикновено, дори когато е пусната нова версия на Python (с изключение на прехода на Python 2 към Python 3)."

Можете също да използвате модула костенурка, за да създавате прости игри. Turtle е вграден модул на Python, който се инсталира автоматично, когато инсталирате Python на вашия компютър. Той ви помага да създавате игри с проста графика и с прост потребителски интерфейс.

Учебни ресурси

Ако искате да научите разработването на игри в Python, каналът на YouTube на freeCodeCamp има следните страхотни безплатни уроци:

  • Научете Python чрез изграждане на пет игри - пълен курс
  • Урок за Python и Pygame - Изградете тетрис! Пълен курс GameDev
  • Урок за змия на Python

🔹 Медицина и фармакология

Python също има невероятни приложения в медицинската област. Ще бъдете изненадани от това как технологията се комбинира с медицински познания за осигуряване на точни и ефективни диагнози и лечения на пациентите.

Приложения

Някои примери за използването на Python в медицината и фармакологията включват:

  • Поставяне на клинични диагнози въз основа на медицинските досиета и симптоми на пациентите.
  • Анализиране на медицински данни.
  • Създаване на изчислителни модели за ускоряване на процеса на разработване на нови лекарства.

Тези широки приложения включват хиляди и хиляди примери по целия свят. Избрах няколко от тях, за да илюстрирам как Python оформя това поле. Нека ги разгледаме.

История на фармацевтичния успех: AstraZeneca

Според официалната документация на Python, една от водещите фармацевтични компании в света, AstraZeneca, използва Python, за да подобри съществуващите си изчислителни модели, за да ги направи „по-здрави, разширяеми и поддържаеми“.

Изследователите, използвали тези модели, симулират химическата структура на молекулите и техния ефект в тялото. Това помогна на учените да идентифицират потенциалните молекули за нови лекарства и да започнат да ги тестват по-бързо в лабораторията.

Когато се присъедини към екипа, Андрю Далке, като „добре известен защитник на Python в изчислителната химия и биология“, убеди екипа, че Python е точно това, от което се нуждаят.

Python е избран за тази работа, тъй като това е един от най-добрите езици, налични за учените физици, тоест за хора, които нямат компютърни познания.

Той заяви, че:

Python е проектиран да решава реални проблеми, пред които е изправен експерт програмист. Резултатът е език, който се мащабира добре от малки скриптове, написани от химик, до големи пакети, написани от разработчик на софтуер.

Удивително, нали? Python може да засили изчислителните модели, които фармацевтичните лаборатории използват за разработване на нови лекарства.

Идентификация на червените кръвни клетки (RBC)

Друго интересно медицинско приложение на Python е свързано с хематологията. Обикновено специализираните специалисти анализират кръвни тестове чрез преброяване и идентифициране на клетките ръчно, но това може да се подобри с помощта на автоматизация.

Изследователите установиха, че Python може да бъде правилният инструмент за работа. Да видим интересен проект.

IdentiCyte

Целта на този проект е да идентифицира и класифицира фигурите на червените кръвни клетки въз основа на изображения, направени от оптични микроскопи. Според тази статия „формата на червените кръвни клетки може да помогне за диагностициране на заболявания и разстройства като левкемия, сърповидно-клетъчна анемия и малария“.

Проектът е разработен от изследователи от Bioresource Processing Research Institute Australia. Той е програмиран в Python и използва Python пакети и библиотеки за обработка на изображения като numpy, scipy, opencv-python, scikit-learn и matplotlib.

Python медицински пакети

  • pyGeno: пакет с отворен код Python, разработен от Тарик Дауда от Института за изследвания в имунологията и рака (IRIC). Предназначен е за "приложения за прецизна медицина, които се въртят около геномиката и протеомиката". Работи с референтни и персонализирани геноми.
  • MedPy: библиотека на Python с отворен код „за медицинска обработка на изображения в Python, предоставяща основни функционалности за четене, писане и манипулиране на големи изображения с произволна размерност“.

Реални медицински приложения (примери)

  • Гущав Белтеки представи още един пример по време на речта си в PyData Berlin 2018 „Python в медицината: анализ на данни от механични вентилатори“. Целта на неговото изследване е да "интерпретира големи масиви от данни, извлечени от съвременното оборудване, използвано в интензивно лечение за новородени, механични вентилатори и монитори за пациенти".
  • На PyCon 2019, Jill Cates изнесе тази презентация, озаглавена „Как да изградим клиничен диагностичен модел в Python“.

🔸 Биология и биоинформатика

Python също има невероятни приложения в света на биологията и биоинформатиката. Те включват обработка на ДНК последователности, симулиране на популационната динамика и генетика и моделиране на биохимични структури.

Биопитон

Biopython е Python рамка с „свободно достъпни инструменти за биологични изчисления“. Целта му е „да отговори на нуждите на настоящата и бъдещата работа в областта на биоинформатиката“.

Според документацията си тази рамка включва функционалност като способността да:

  • Работете с последователности и изпълнявайте общи операции върху тях като транскрипция, транслация и изчисления на теглото.
  • Свържете се с биологични бази данни.
  • Извършете класификация на данните, като използвате K-Neighbor Neighbours, Naive Bayes и Support Vector Machines.
  • Работа с филогенетични дървета и популационна генетика.

Документацията гласи, че „целта на Biopython е да улесни възможно най-лесно използването на Python за биоинформатика чрез създаване на висококачествени модули и класове за многократна употреба“.

Розалинд: Практикувайте Python чрез решаване на предизвикателствата за биоинформатиката

Розалинд е „платформа за изучаване на биоинформатика чрез решаване на проблеми“. Той е „безплатен и отворен за обществеността“ (страницата с често задавани въпроси показва, че е в бета режим).

Python може да се използва за решаване на предизвикателствата на платформата. Тъй като това е много популярен език за програмиране в платформата, има раздел "Python Village", където можете да научите основите на Python, преди да се заемете с алгоритмите за биоинформатика.

Потребителите решават проблемите, като изпълняват своите решения на компютъра си, обработват дадения набор от данни и копират / поставят изхода, за да проверят отговора.

💡 Съвет: Името на проекта отбелязва Розалинд Франклин, „чиято рентгенова кристалография с Реймънд Гослинг улесни откриването на двойната спирала на ДНК от Уотсън и Крик“.

Пакети и рамки

  • ProDy: безплатен пакет с отворен код "за анализ на структурна динамика на протеините", разработен от Bahar Lab от университета в Питсбърг.
  • PySB : „рамка за изграждане на математически модели на биохимични системи като програми на Python“, разработена от членове на лабораторията Lopez от университета Вандербилт и лабораторията Sorger в медицинското училище в Харвард.
  • Симулаторът на общността: това е „свободно достъпен пакет Python за симулиране на динамиката на микробната популация по възпроизводим, прозрачен и мащабируем начин“, разработен от изследователи от университета в Бостън.

💡 Съвет: Ако искате да научите повече за приложенията на Python в биоинформатиката, ето беседа на Мартин Швейцер от PyCon Австралия: „Python за биоинформатика за изучаване на Python“.

🔹 Невронаука и психология

Python има приложение и в неврологията и експерименталните психологически изследвания.

Питон в неврологията

Според статията Python in neuroscience, написана от изследователи от Центъра за симулация на мозъка, Ecole Polytechnique Fédérale de Lausanne, Женева, Швейцария:

Изчисленията стават важни във всички науки за събиране и анализ на данни, автоматизация и тестване на хипотези чрез моделиране и симулация.

По отношение на Python те заявяват, че:

През 2007 г. ни стана ясно, че сме на прага на възникващ Python в екосистемата на неврологията , особено в изчислителната неврология и невроизобразяването, но също така и в електрофизиологичния анализ на данните и в психофизиката.

Както можете да видите, Python и изчисленията се разширяват във всички науки.

PsychoPy

PsychoPy е "пакет с отворен код за провеждане на експерименти в Python", поддържан от Университета в Нотингам. Според официалната документация на този пакет:

Използва се от много лаборатории по света за психофизика, когнитивна неврология и експериментална психология.

Официалният уебсайт на този пакет посочва, че той е:

  • Лесно за учене.
  • Достатъчно точен за психофизиката.
  • Гъвкав.
  • Онлайн или лабораторно, в зависимост от избора на потребителя.

🔸 Астрономия

Python има приложения и в астрономията и астрофизиката. Нека видим три от основните пакети на Python, използвани в тази научна област:

Астропия

Пакетът Astropy „съдържа различни класове, помощни програми и рамка за опаковане, предназначени да предоставят често използвани инструменти за астрономия“.

Astropy е част от по-голям проект, наречен The Astropy Project, който е "усилие на общността за разработване на общ основен пакет за астрономия в Python и насърчаване на екосистема от оперативно съвместими астрономически пакети."

Според страницата „Информация“, една от целите му е „да подобри използваемостта, оперативната съвместимост и сътрудничеството между пакетите за астрономия Python“.

💡 Съвет: Можете да видите примери за проекти, направени с Astropy, в примерната галерия.

SunPy

Пакетът SunPy е описан като "разработената от общността, безплатна среда за анализ на слънчеви данни с отворен код за Python." Той надгражда възможностите на пакетите на Python като NumPy, SciPy, Matplotlib и Pandas.

SpacePy

Пакетът SpacePy е „пакет за Python, насочен към космическите науки, който има за цел да улесни основния анализ на данните, моделирането и визуализацията“.

Според официалната му документация:

Проектът SpacePy се стреми да популяризира точни и отворени изследователски стандарти, като предоставя отворена среда за разработване на код.

Според описанието на неговото хранилище GitHub, той е насложил епохални класове, проследяване на дрейфови черупки, достъп до модели на магнитно поле, рационализиране на проследяването, граници на доверие в bootstrap, преобразуване на време и координати и др.

🔹 Други приложения

Python може да се прилага и в много други области, включително:

  • Роботика: Python може да се използва за програмиране на роботи. Библиотека, написана за тази цел, е pybotics, "кутия с инструменти с отворен код за кинематика и калибриране на роботи".
  • Автономни превозни средства: Python може да се използва за програмиране на софтуера, който контролира самоуправляващите се автомобили. Тези автомобили се нуждаят от компютърно зрение, за да „видят“ къде шофират, къде е лентата и какви предмети ги заобикалят.
  • Метеорология : Пакетът климатични индекси „съдържа реализации на Python на различни алгоритми за климатични индекси, които осигуряват географска и времева картина на тежестта на валежите и температурни аномалии, полезни за мониторинг и изследвания на климата“.
  • Бизнес: Python може да бъде мощен инструмент за анализ на генерирани от бизнеса данни и за прогнозиране на бъдещи тенденции.
  • Разработка на графичен потребителски интерфейс (GUI) : Python може да се използва за създаване на графичен потребителски интерфейс с инструменти като tkinter.
  • Ако се интересувате да научите повече за това, freeCodeCamp има чудесен урок в YouTube: Tkinter Course - Създаване на графични потребителски интерфейси в урока по Python.

🔸 В обобщение

Има много приложения на Python във всяка област, които можете да си представите. Надявам се, че тази статия ви даде представа за широката гама от реални приложения на този език за програмиране в индустрии, които в момента оформят нашия свят.  

Не забравяйте, че независимо в коя област сте или в коя област искате да бъдете, изучаването на Python определено ще отвори много врати за вас. Той е тук, за да остане. И тя трансформира и подобри сегашния ни свят и ще продължи да го прави в продължение на много години.

Наистина се надявам, че статията ви е харесала и ви е била полезна. Вижте моите онлайн курсове. Последвай ме в Туйтър. ⭐️