Mire használható a Python? 10+ kódolás a Python programozási nyelvhez.

? Üdvözöllek

Szia! Szánjon egy percet arra, hogy elgondolkodjon ezen a kérdésen:

Hogyan alkalmazzák a Pythont valós helyzetekben?

Ha Python-t tanul, és szeretné tudni a választ, akkor ez a cikk az Ön számára készült.

Ha világos képet kap a programozási nyelv alkalmazásairól és hatalmas lehetőségeiről, akkor megkapja a motivációt, amelyre az egész utazás során szüksége lesz.

Kezdjük! ✨

? Python a valós forgatókönyvekben

A Pythont gyakorlatilag minden elképzelhető iparban és tudományos területen használják, beleértve:

• Adattudomány.
• Gépi tanulás.
• Webfejlesztés.
• Számítástechnikai oktatás.
• Számítógépes látás és képfeldolgozás.
• Játékfejlesztés.
• Orvostudomány és gyógyszerészet.
• Biológia és bioinformatika.
• Idegtudomány és pszichológia.
• Csillagászat.
• Más területek, például robotika, önálló járművek, üzleti, meteorológiai és grafikus felhasználói felület (GUI) fejlesztése.

Ez a cikk a programozási nyelv ezen alkalmazások széles körű alkalmazását ismerteti példákkal, használati esetekkel és Python könyvtárakkal. Kezdjük a Python adattudományi alkalmazásaival.

? Adattudomány: elemzés és vizualizáció

A Python talán egyik legnépszerűbb alkalmazása az adattudomány. Az adatok elemzésére és megjelenítésére kifejlesztett Python könyvtárak ereje elképesztő. Lássuk miért.

Data Science Applications

A Python adatmegjelenítési könyvtárával sokféle ábrát és vizuális ábrázolást hozhat létre, például:

• Vonalak, oszlopok és jelölők.
• Képek, kontúrok és mezők.
• Részterületek, tengelyek és ábrák.
• Statisztikák (négyzetdiagramok, oszlopdiagramok és hisztogramok).
• Kör és poláris diagramok.
• 3D-s ábrák.
• és több!

Hozzáadhat szöveget, címkéket, kommentárokat, színt, alakzatokat, gyűjteményeket, animációkat és interaktivitást a cselekményekhez, attól függően, hogy mely csomagot vagy könyvtárat választja.

? Tipp: A fenti képen láthat néhány példát a Python által generált adatmegjelenítésekre.

Könyvtárak és csomagok

Nézzük meg a legnépszerűbb csomagokat és könyvtárakat, amelyek a Pythonnal működnek az adattudományban:

Python az adatelemzéshez

• NumPy: ezt a csomagot "a Python segítségével végzett tudományos számítás alapvető csomagjaként" írják le. A csomag hivatalos honlapja szerint "szinte minden Pythonban dolgozó tudós a NumPy erejéből merít."
• A Pandas: "gyors, hatékony, rugalmas és könnyen használható nyílt forráskódú adatelemzési és manipulációs eszköz".

Python az adatmegjelenítéshez

• A Matplotlib: "átfogó könyvtár statikus, animált és interaktív vizualizációk létrehozására a Pythonban". Ha kíváncsi arra, hogy mit tehet ezzel a könyvtárral, nézze meg a példa galériát.
• Seaborn: "egy Matthon-alapú Python adatmegjelenítési könyvtár." Ha kíváncsi arra, mit tehet ezzel a könyvtárral, nézze meg a példa galériát.
• A ggplot2: "a grafika deklaratív létrehozásának rendszere, a grafika grammatikáján alapul". Hivatalos honlapja szerint: "Ön megadja az adatokat, megmondja a ggplot2-nek, hogyan kell a változókat az esztétikához hozzárendelni, milyen grafikus primitíveket kell használni, és gondoskodik a részletekről."
• Bokeh: "interaktív vizualizációs könyvtár a modern webböngészők számára".
• Pandák:ez a könyvtár számos eszközzel rendelkezik az adatok vizualizálásához.

Tanulási források

Ha meg szeretné tanulni az adatelemzést és a vizualizációt a Python, a Jupyter Notebooks, a Numpy, a Pandas, a CSV fájlok, az adatkeretek és egyebek használatával, megkezdheti utazását a freeCodeCamp ingyenes adatelemzésével, Python tanúsítással :

A tanúsítás során a következő projekteken dolgozik és teljesít:

• Átlag-szórás-szórás kalkulátor.
• Demográfiai adatok elemzője.
• Orvosi adatok megjelenítője.
• Oldalmegtekintés Idősor Visualizer.
• Tengerszint-előrejelző.

A freeCodeCamp YouTube-csatornáján ezek a nagyszerű ingyenes oktatóanyagok is megtalálhatók:

• Adatelemzés Python-nal - teljes pálya kezdőknek (Numpy, Pandas, Matplotlib, Seaborn), Santiago Basulto.
• Python for Data Science - Ismerje meg a Pandas, a Matplotlib, a Numpy és egyebeket a DataPublishing segítségével
• Matplotlib Crash Course Keith Galli
• Keith Galli Python NumPy bemutató kezdőknek

Ezenkívül ezek hasznos források, ha meg szeretné tanulni, hogyan kell működni ezekkel a könyvtárakkal:

• Matplolib oktatóanyagok: ingyenes bevezető, középszintű és haladó oktatóanyagok, amelyek megtanítják fantasztikus vizualizációk létrehozására.
• Pandák "Első lépések" szakasz: ingyenes bevezető oktatóanyagok.
• NumPy Learn szakasz: a kezdéshez segítséget nyújtó külső források gyűjteménye.

? Gépi tanulás

A Python elengedhetetlen eszköz minden fejlesztő számára, aki be akar lépni a Gépi tanulás lenyűgöző területére. Nézzük meg a gépi tanulás rövid bemutatását.

Mi az a gépi tanulás?

A gépi tanulás a számítástechnika olyan területe, amely olyan rendszereket hoz létre, amelyek képesek önállóan tanulni.

Ez a típusú rendszer olyan algoritmusokat használ, amelyeket folyamatosan fejlesztenek a bemeneti adatok alapján, amelyek segítik a rendszert a "tanulásban". Megtanulja, hogyan lehet autonóm módon reagálni az új forgatókönyvekre azáltal, hogy a korábbi ismeretek alapján megfelelő kimenetet generál az új forgatókönyvekben.

Az egyik legcsodálatosabb dolog ezekben a rendszerekben, hogy folyamatosan finomítják őket.

Nem hasonlítanak azokhoz a programokhoz, amelyeket általában Python szkriptben írunk, ahol megadunk minden lehetséges műveletet, amelyet a program elvégezhet. A gépi tanulás során a rendszert a korábbi gondolkodás alapján "gondolkodni" és döntéseket képezni kell.

Ezért mondjuk, hogy a gépek "tanulnak" az adatokból.

? Tipp: Ez egy érdekes beszélgetés a Google-tól: Machine Learning Zero to Hero (Google I / O'19).

Ideghálózatok: A gépi tanulás építőkövei

A neurális hálózatok a rendszer feldolgozó egységei. Megpróbálják szimulálni az agy valódi neuronhálózatát. Virtuális "idegsejtek" bemenetet kapnak, megtanulják, hogyan dolgozzák fel ezt a bemenetet, és kimenetet generálnak korábbi ismereteik alapján.

Ez nagyon hasonlít ahhoz, amit az agy minden nap minden egyes pillanatában elvégez.

Az ideghálózatoknak köszönhetően a Gépi Tanulás algoritmus megtanulhatja, hogyan lehet előre megjósolni egy adott bemenet várható kimenetét a korábbi ismeretek alapján.

Például, amikor ajánlott videókat lát a YouTube-on, az ideghálózatok generálták ezeket az ajánlásokat, amelyek a korábbi mintázatok alapján megjósolják, milyen videókat szeretne megtekinteni. Elképesztő, igaz?

? Tipp: Ez egy érdekes cikk a Google-tól, ha többet szeretne megtudni erről a YouTube- példáról .

Python és gépi tanulás

Biztos vagyok benne, hogy feltette a kérdést: mi a Python szerepe ezen a területen? Ez az egyik legnépszerűbb és leghatékonyabb eszköz, amelyet az ilyen típusú rendszerek programozására használnak.

A TensorFlow az egyik legnépszerűbb könyvtár, amelyet a fejlesztők a világ minden táján használnak a gépi tanuláshoz alkalmazott Python használatához . Ez egy ingyenes, nyílt forráskódú könyvtár, amelyet a Google Brain Team fejlesztett ki. Ezt a könyvtárat a Google kutatásához és előállításához használják.

Jeff Dean, a Google Mesterséges Intelligencia részlegének vezetője szerint:

Ma már nagyon használják beszédfelismerő rendszereinkben, egy új Google Fotók-termékben, a Gmailben és a Google Keresésben. (forrás)

A legjobb az, hogy a fejlesztők az egész világon használhatják ezt a könyvtárat a valós problémák megoldására.

? Tipp: Ez egy remek videó a TensorFlow-ról, amelyet a Google készített.

Ez két másik népszerű gépi tanuláshoz használt Python könyvtár:

• Keras - egy nyílt forráskódú neuronhálózati könyvtár, Pythonban írva.
• PyTorch - egy nyílt forráskódú Machine Learning könyvtár, amelyet neurális hálózatok fejlesztésére és képzésére használnak.

Gépi tanulási projektek a Pythonban

A gépi tanulás lehetőségei valóban végtelenek. Gyakorlatilag minden olyan területre és környezetre alkalmazható, amelyre gondolhat. Ha a feladat megköveteli a mintákból való tanulást és a kimenet előrejelzését, akkor egy gépi tanulási modell mindenképpen segíthet.

Például, hogy képet kapjon a létrehozható projektek típusáról, a freeCodeCamp tananyagában szerepel egy ingyenes gépi tanulás Python tanúsítással :

A tanúsítás során a következő projekteken dolgozik és teljesít:

• Kő papír olló.
• Macska és kutya képosztályozó.
• Könyvajánló motor a K-legközelebbi szomszédok használatával.
• Lineáris regressziós egészségügyi költségek kalkulátor.
• Neural Network SMS osztályozó.

További példák a valós alkalmazásokra

További példákat találhat a Gépi tanulás alkalmazásaira a Google tulajdonában lévő „adattudósok és gépi tanulási gyakorlók online közösségében” található Kaggle-ben.

Ezen a platformon gyakorolhatja Python és gépi tanulási készségeit projekteken dolgozva és versenyeken részt véve.

Hogy képet adjon a Gépi Tanulással megvalósítható projektekről, a Kaggle korábbi versenyei a következőket tartalmazzák:

• A tüdőfunkció csökkenésének előrejelzése.
• A túlélés előrejelzése a Titanicon.
• Építőeszközök a madárállomány megfigyeléséhez.
• Híres tereptárgyak címkézése.
• A COVID-19 terjedésének előrejelzése.
• A Walmart kiskereskedelmi termékek egységértékesítésének becslése.
• Videók azonosítása arc- vagy hangkezeléssel.
• Várakozási idők előrejelzése a nagyobb város kereszteződéseiben.
• Az ügyletekből származó csalások felderítése.
• Megjósolni a film világméretű bevételeit.
• Kisállat örökbefogadásának megjósolása.
• Kockázat azonosítása, ha a pilóták zavaróak, álmosak vagy más veszélyes kognitív állapotban vannak.

Mint látható, ebben a rövid projektlistában az alkalmazások az orvostudománytól az üzletig, a biológiától a kockázatfelismerésig és a csalásfelismeréstől a képfeldolgozásig terjednek. A lehetőségek valóban végtelenek, amikor a Gépi tanulás segítségével valós problémákat kezel.

Tanulási források

A freeCodeCamp YouTube-csatornáján ezek a hasznos útmutatók találhatók a gépi tanulás megkezdéséhez a Pythonban:

• TensorFlow 2.0 teljes tanfolyam - Python neurális hálózatok kezdőknek oktatóanyag
• Fejlesszen ki egy AI-t a Connect Four - Python bemutató játékához
• Scikit-Learn tanfolyam - Gépi tanulás a Python bemutatóban
• PyTorch a mély tanuláshoz - teljes tanfolyam / bemutató

? Webfejlesztés

A Pythont a webfejlesztés területén használják a webalkalmazások hátterének felépítésére. Kezdjük ezt a részt azzal, hogy egy kicsit beszélünk arról, hogy mi a háttér, és hogyan segít nekünk webalkalmazások létrehozásában.

Python a háttér-webfejlesztéshez

Egy webalkalmazásban az összes kódot, amely a felhasználóval való interakcióra és a felhasználó által látottak létrehozására szolgál, az alkalmazás elülső részének nevezzük.

A Python az alkalmazás kulisszatitkai funkcionalitásának kódolására szolgál, amely része biztosítja az alkalmazás összes funkcionalitását, de amelyet nem közvetlenül a képernyőn lát.

Kezeli az alkalmazás szerver felét, kölcsönhatásba lép az összes szükséges adatbázissal, amikor a felhasználó adatokat kér. Visszaadja a kért adatokat a felhasználónak, hogy az alkalmazás a várt módon fusson.

? Tipp: A teljes körű webfejlesztés magában foglalja mind a webalkalmazás elülső, mind hátoldalát, hogy az a felhasználók számára látható legyen az adatbázisokkal való munka közben.

Webkeretek

Ezek néhány népszerű Python webkeret:

• Django: "magas szintű Python webkeret, amely ösztönzi a gyors fejlődést és a tiszta, pragmatikus kialakítást".
• Lombik: nagyon népszerű mikrokeret, amelyet webalkalmazások fejlesztésére használnak a Pythonban.
• Piramis: "kicsi, gyors, földhözragadt Python webkeret".
• Web2Py: "ingyenes, nyílt forráskódú, teljes veremű keretrendszer a gyors, méretezhető, biztonságos és hordozható adatbázis-alapú webalapú alkalmazások gyors fejlesztéséhez".
• Palack: "gyors, egyszerű és könnyű WSGI mikro web-keretrendszer a Python számára".

Tanulási források

A freeCodeCamp YouTube-csatornáján nagyszerű oktatóanyagok vannak a webfejlesztés megtanulására a Pythonban:

• Python Django Web Framework - Teljes tanfolyam kezdőknek
• Tanuljon lombikot a Pythonhoz - teljes bemutató
• Webes programozás lombikkal - Bevezetés a számítástechnikába - Harvard CS50 (2018)
• Teljes verem Python lombik oktatóanyag - Közösségi hálózat létrehozása

Ezek szintén nagyszerű ingyenes források, hogy megtanulják, hogyan kell működni ezekkel a keretekkel:

• Django "Első lépések" szakasz
• Piramis oktatóanyagok
• Gyors útmutató a piramishoz

? Számítástechnikai oktatás

A Python jelenleg kulcsszerepet játszik a számítástechnika oktatásában szerte a világon. Lássuk miért.

Miért Python?

A Python olyan széles körben használatos oktatási eszközként, mert:

• Könnyen megtanulható: szintaxisa egyszerű és gyorsan megtanulható. A hallgatók sokkal gyorsabban kezdenek elmerülni a számítástechnika fejlettebb területein, mint más programozási nyelveknél.
• Hatalmas: valós alkalmazásokban használják, így a diákok azonnal elkezdenek értékes készségeket elsajátítani karrierjük során.
• Sokoldalú: támogatja a különféle programozási paradigmákat, beleértve az imperatív programozást, a funkcionális programozást, az eljárási programozást és az objektum-orientált programozást.

A Python nyelv megalkotója, Guido van Rossum kijelentette:

Meggyőződésem, hogy a Python sokkal könnyebb, mint tanítani a diákoknak programozni, és egyszerre tanítani nekik C vagy C ++ vagy Java, mert a nyelvek minden részlete sokkal nehezebb.

A Python szintaxisa egyszerű és egyértelmű, így a hallgatók sokkal gyorsabban megkezdhetik a számítási gondolkodás és a problémamegoldó képességek elsajátítását, ami általában a bevezető informatikai tanfolyamok fő célja.

Python a tanteremben és az online tanulás

A világ számos egyeteme és iskolája úgy döntött, hogy Python használatával oktat bevezető programozást és informatikai tanfolyamokat.

Például az MIT, a világ egyik vezető egyeteme a technológia területén, bevezető informatikát és programozást tanít a Python használatával (mind az on-campuson, mind pedig az edX online tanfolyamain).

Az MIT News cikke szerint, amely akkor jelent meg, amikor a tanfolyam online verziója elérte az 1,2 millió felvételt, a tanfolyam "a MIT történetében a legnépszerűbb MOOC lett".

Ez egyértelműen azt mutatja, hogy a Python népszerűsége továbbra is növekszik. A cikkben olyan hallgatók tanúvallomásait találhatja meg, akik megtanulták a Python-t, és arról, hogy ez az új tudás hogyan javította életüket.

A cikkben Ana Bell professzor, az MIT EECS tanszékének oktatója kijelenti, hogy:

"Alapjában véve a 6.00 sorozat számítási gondolkodást tanít ... Ezt a Python programozási nyelv használatával teszi, de a tanfolyam olyan programozási fogalmakat is tanít, amelyek bármely más programozási nyelven alkalmazhatók."

Ez egyértelműen megmutatja a Python mint oktatási eszköz lehetőségeit. Használható magasabb szintű fogalmak oktatására, amelyek más programozási nyelvekre is alkalmazhatók.

És ezt a bonyolultabb réteg nélkül teszi meg, amelyet más programozási nyelvek, például a Java vagy a C szintaxisa adhat a tanulási folyamathoz.

Az elmúlt néhány évben az online tanfolyamok a világ minden tájáról érkező tanulók mindennapi életének fontos részévé váltak. Az ingyenes online tanfolyamok és források sokfélesége óriási mértékben bővült az elmúlt években.  

Például a freeCodeCamp tanterve három ingyenes tanúsítványt tartalmaz projektekkel, amelyek elősegítik a Python készségek bővítését olyan kulcsfontosságú területeken, amelyek nagy keresletet mutatnak világszerte:

• Tudományos számítástechnika Python-nal.
• Adatok elemzése Python-nal.
• Gépi tanulás Python-nal.

A Harvard Egyetem ezeket az online tanfolyamokat is kínálja, amelyek ingyenesen ellenőrizhetők:

• CS50 Bevezetés a számítástechnikába.
• A CS50 webprogramozása Python és JavaScript használatával.
• CS50 Bevezetés a mesterséges intelligenciába Python-nal.

A Python határozottan kulcsfontosságú eszközzé vált, amely világszerte javította az informatikai oktatást. És ez a jövőben is így lesz.

Ha azon gondolkodik, hogy tanítson egy tanfolyamot Python használatával, vagy hogy megtanulja a Python-t, garantálom, hogy az Ön ideje és erőfeszítése teljesen megéri.

? Számítógépes látás és képfeldolgozás

A Pythont számítógépes látás és képfeldolgozásra használják, ezek a mezők gyorsan bővülnek.

A képfeldolgozás célja egy kép feldolgozása, átalakítások alkalmazása és az eredeti kép új verziójának visszaadása.  

Ezzel szemben a számítógépes látás célja összetettebb, mivel megpróbálja a számítógépet megérteni és értelmezni egy képet és annak tartalmát.

Képfeldolgozás

Kezdjük a képfeldolgozással. A Python könyvtár segítségével olyan műveleteket hajthat végre, mint például:

• Levágás, megfordítás és forgatás.
• Az expozíció és a színcsatornák manipulálása.
• Élek és vonalak észlelése.
• Szűrők hozzáadása és képek visszaállítása.

Számítógépes látás

Merüljünk el a számítógépes látásmódban. Ha elkezdi kutatni ezt a témát, meglepődhet a jelenlegi alkalmazásain. Néhány közülük:

• Navigáció.
• Tárgy- és eseményfelismerés.
• Arcfelismerő.
• Képosztályozás.

Ez a tudományos terület annyira fontos, hogy a Google kifejlesztett egy Cloud Vision nevű eszközt, amelynek Python verziója van a fejlesztők számára, hogy beépítsék ezt a funkciót a programjaikba.

A Google Codelabs "Vision API használata Python használatával" oktatóanyagának megfelelően a Google Cloud Vision API:

Lehetővé teszi a fejlesztők számára, hogy könnyedén integrálják a látásérzékelési funkciókat az alkalmazásokba, ideértve a képcímkézést, az arc és a tereptárgy felismerését, az optikai karakterfelismerést (OCR) és a kifejezett tartalom címkézését.

Ez az eszközkészlet funkciókat kínál az arcfelismeréshez, a tereptárgyak felismeréséhez, a logó felismeréséhez, a címke felismeréséhez, a szöveg felismeréséhez és még sok máshoz.

? Tipp: A számítógépes látás egyik legcsodálatosabb alkalmazása az önvezető autók vezérlésére szolgáló szoftver fejlesztése. Ezeknek a járműveknek "meg kell látniuk", hogy hol haladnak, hol van a sáv, és milyen tárgyak veszik körül őket (beleértve a többi járművet is). A számítógépes látás kulcsszerepet játszik ebben a funkcionalitásban.

Python könyvtárak

Néhány fantasztikus könyvtár a számítógépes látás és képfeldolgozás számára:

• OpenCV: "nyílt forráskódú számítógépes jövőkép és gépi tanulási szoftver könyvtár". Python verzióját OpenCV-Pythonnak hívják.
• scikit-image: "képfeldolgozáshoz használt algoritmusok gyűjteménye".
• NumPy: arra használható, hogy a kép pixeleit 2D tömbként dolgozza fel.
• SciPy: a scipy.ndimage csomag "különféle funkciókat tartalmaz a többdimenziós képfeldolgozáshoz".

? Játékfejlesztés

A játékok határozottan alakítják az életet és időtlen emlékeket hoznak létre. Az elkövetkező években továbbra is társadalmunk részei lesznek. A Python már ott van, és meggyújtja a játékteremtés szikráját.

Python játékfejlesztési keretrendszerek

A hivatalos Python dokumentáció szerint két fő Python keretrendszer használható a játékok fejlesztésére:

• pygame: "az eredeti és még mindig nagyon aktív csomag a Python használatával történő játékfejlesztéshez. Lehetővé teszi a Python számára, hogy SDL-nel beszéljen, egy cross-platform, multimédiás könyvtárral. Mivel minden platformra és minden Python verzióra össze kell állítani, késés, amikor megjelenik egy új Python verzió. "
• pyglet: ez "az újonnan érkező, az OpenGL-en alapulva. Mivel ez egy tiszta Python-csomag, használható, akárcsak egy új Python-verzió kiadásakor (kivéve a Python 2-től Python 3-ig történő átmenetet)".

A teknős modul segítségével egyszerű játékokat is létrehozhat. A Turtle egy beépített Python modul, amelyet automatikusan telepítenek, amikor telepíti a Python-ot a számítógépére. Segít egyszerű grafikával és egyszerű felhasználói felülettel rendelkező játékok létrehozásában.

Tanulási források

Ha játékfejlesztést szeretne tanulni a Pythonban, a freeCodeCamp YouTube-csatornáján ezek a nagyszerű ingyenes oktatóanyagok találhatók:

• Ismerje meg a Pythont öt játék felépítésével - teljes tanfolyam
• Python és Pygame bemutató - Építsd a Tetrist! Teljes GameDev tanfolyam
• Snake Game Python bemutató

? Orvostudomány és farmakológia

A Pythonnak csodálatos alkalmazásai vannak az orvosi területen is. Meg fog lepődni azon, hogyan kombinálják a technológiát az orvosi ismeretekkel, hogy pontos és hatékony diagnózist és kezelést nyújtsanak a betegek számára.

Alkalmazások

Néhány példa a Python alkalmazására az orvostudományban és a farmakológiában:

• Klinikai diagnózis felállítása a betegek egészségügyi nyilvántartása és tünetei alapján.
• Orvosi adatok elemzése.
• Számítógépes modellek készítése az új gyógyszerek kifejlesztésének felgyorsítása érdekében.

Ezek a széles körű alkalmazások ezer és ezer példát tartalmaznak világszerte. Kiválasztottam közülük néhányat, hogy szemléltessem, hogyan formálja a Python ezt a mezőt. Vessünk egy pillantást rájuk.

Gyógyszerészeti sikertörténet: AstraZeneca

A hivatalos Python Documentation szerint a világ egyik vezető gyógyszeripari vállalata, az AstraZeneca a Pythont használta meglévő számítási modelljeinek fejlesztésére, hogy azok "robusztusabbak, bővíthetőbbek és fenntarthatóbbak" legyenek.

A kutatók ezeket a modelleket használták a molekulák kémiai szerkezetének és a testben kifejtett hatásának szimulálására. Ez segített a tudósoknak az új gyógyszerek potenciális molekuláinak felismerésében és a laboratóriumi gyorsabb tesztelésben.

Amikor csatlakozott a csapathoz, Andrew Dalke, aki "a Python közismert szószólója volt a számítási kémia és a biológia területén", meggyőzte a csapatot arról, hogy a Python pontosan az, amire szükségük van.

A Python-t azért választották erre a munkára, mert ez az egyik legjobb nyelv a fizikusok számára, vagyis azok számára, akik nem rendelkeznek informatikai háttérrel.

Kijelentette, hogy:

A Pythont úgy tervezték, hogy megoldja a valós problémákat, amelyekkel egy szakértő programozó szembesül. Az eredmény egy olyan nyelv, amely jól skálázható a vegyész által írt kis szkriptektől a nagy szoftvercsomagokig, amelyeket egy szoftverfejlesztő írt.

Elképesztő, igaz? A Python felhasználhatja azokat a számítási modelleket, amelyeket a gyógyszerlaboratóriumok új gyógyszerek kifejlesztéséhez használnak.

Vörösvérsejtek (RBC) azonosítása

A Python másik érdekes orvosi alkalmazása a hematológiához kapcsolódik. Általában a szakemberek a vérvizsgálatokat a sejtek kézi számlálásával és azonosításával elemzik, de ez az automatizálás segítségével javítható.

A kutatók megállapították, hogy a Python lehet a megfelelő eszköz a munkához. Nézzünk meg egy érdekes projektet.

IdentiCyte

A projekt célja a vörösvértestek alakjának azonosítása és osztályozása optikai mikroszkópokból készült képek alapján. E cikk szerint "a vörösvértest alakja segíthet olyan betegségek és rendellenességek diagnosztizálásában, mint a leukémia, a sarlósejtes vérszegénység és a malária".

A projektet az ausztrál Bioresource Processing Research Institute kutatói fejlesztették ki. Pythonba volt programozva, és olyan képfeldolgozó Python csomagokat és könyvtárakat használt, mint a numpy, scipy, opencv-python, scikit-learn és matplotlib.

Python orvosi csomagok

• pyGeno: nyílt forráskódú Python csomag, amelyet Tariq Daouda fejlesztett ki az Immunológiai és Rákkutató Intézetben (IRIC). "Precíziós gyógyszerészeti alkalmazásokra szánják, amelyek a genomika és a proteomika körül forognak". Referencia és személyre szabott genomokkal működik.
• MedPy: egy nyílt forráskódú Python könyvtár "orvosi képfeldolgozáshoz a Pythonban, amely alapvető funkciókat biztosít tetszőleges méretű nagy képek olvasásához, írásához és manipulálásához".

Valós orvosi alkalmazások (példák)

• Belteki Gusztav egy újabb példát mutatott be a PyData Berlin 2018-ban tartott beszéde során: "Python in Medicine: mechanikus ventilátorok adatainak elemzése" Kutatásának célja "az újszülött intenzív terápiában használt modern berendezésekből, a mechanikus lélegeztetőgépekből és a betegmonitorokból kinyert nagy adatkészletek értelmezése volt".
• A PyCon 2019-en Jill Cates ezt az előadást tartotta "Hogyan építsünk klinikai diagnosztikai modellt a Pythonban" címmel.

? Biológia és bioinformatika

A Pythonnak csodálatos alkalmazásai vannak a biológia és a bioinformatika világában is. Ezek közé tartozik a DNS-szekvenciák feldolgozása, a populációdinamika és genetika szimulálása, valamint a biokémiai struktúrák modellezése.

Biopython

A Biopython egy Python keretrendszer, amely "szabadon elérhető eszközökkel rendelkezik a biológiai számításokhoz". Célja, hogy "foglalkozzon a jelenlegi és jövőbeni bioinformatikai munka szükségleteivel".

Dokumentációja szerint ez a keretrendszer olyan funkciókat tartalmaz, mint például:

• Dolgozzon szekvenciákkal és hajtson végre velük közös műveleteket, például átírást, fordítást és súlyszámítást.
• Kapcsolatba lépni a biológiai adatbázisokkal.
• Végezze el az adatok besorolását a K-legközelebbi szomszédok, a Naiv Bayes és a Support Vector Machines segítségével.
• Munka filogenetikai fákkal és populációgenetikával.

A dokumentáció kimondja, hogy "a Biopython célja, hogy minél könnyebbé tegye a Python bioinformatikai használatát magas színvonalú, újrafelhasználható modulok és osztályok létrehozásával".

Rosalind: Gyakorold a Pythont a bioinformatikai kihívások megoldásával

A Rosalind "egy platform a bioinformatika elsajátításához a problémamegoldás révén". Ez "ingyenes és nyilvános" (a GYIK oldal jelzi, hogy béta módban van).

A Python használható a platformon jelentkező kihívások megoldására. Mivel ez egy nagyon népszerű programozási nyelv a platformon, van egy "Python Village" rész, ahol a bioinformatikai algoritmusok kezelése előtt megtanulhatja a Python alapjait.

A felhasználók a problémákat úgy oldják meg, hogy megoldásaikat futtatják számítógépükön, feldolgozzák az adott adatkészletet, és a válasz ellenőrzéséhez másolják / beillesztik a kimenetet.

? Tipp: A projekt neve Rosalind Franklin emlékére áll, "akinek Raymond Goslingdal végzett röntgenkristályográfiája megkönnyítette Watson és Crick DNS-kettős spiráljának felfedezését".

Csomagok és keretrendszerek

• ProDy: egy ingyenes és nyílt forráskódú csomag a fehérje szerkezeti dinamika elemzéséhez, amelyet Bahar Lab fejlesztett ki a pittsburghi egyetemen.
• PySB : "keretrendszer a biokémiai rendszerek mint Python programok matematikai modelljeinek felépítéséhez", amelyet a Vanderbilt Egyetem Lopez laboratóriumának és a Harvard Orvosi Egyetem Sorger laborjának tagjai fejlesztettek ki.
• A közösségi szimulátor: ez egy "szabadon elérhető Python csomag a mikrobiális populáció dinamikájának reprodukálható, átlátható és skálázható módon történő szimulálására", amelyet a Bostoni Egyetem kutatói fejlesztettek ki.

? Tipp: Ha többet szeretne megtudni a Python bioinformatikai alkalmazásairól, íme Martin Schweitzer beszéde a PyCon Australia-n: "Python a bioinformatikához a Python tanulásához".

? Idegtudomány és pszichológia

A Pythonnak vannak alkalmazásai az idegtudomány és a kísérleti pszichológia kutatásaiban is.

Python az idegtudományban

A Python in neuroscience című cikk szerint, amelyet az Agyi Szimulációs Központ kutatói írtak, az Ecole Polytechnique Fédérale de Lausanne, Genf, Svájc:

A számítás minden tudományban elengedhetetlenné válik az adatgyűjtés és -elemzés, az automatizálás és a hipotézisek modellezéssel és szimulációval történő teszteléséhez.

A Python vonatkozásában kijelentik, hogy:

2007-ben világossá vált számunkra, hogy a kialakulóban lévő Python csúcsán vagyunk az idegtudományi ökoszisztémában, különösen a számítási idegtudományban és a képalkotásban, de az elektrofiziológiai adatok elemzésében és a pszichofizikában is.

Mint látható, a Python és a számítás az összes tudományra kiterjedt.

PsychoPy

A PsychoPy egy "nyílt forráskódú csomag a kísérletek futtatásához Pythonban", amelyet a Nottinghami Egyetem támogat. A csomag hivatalos dokumentációja szerint:

Világszerte számos laboratórium használja pszichofizikára, kognitív idegtudományra és kísérleti pszichológiára.

A csomag hivatalos honlapja kijelenti, hogy:

• Könnyen megtanulható.
• Elég pontos a pszichofizika számára.
• Rugalmas.
• Online vagy laboratóriumi alapú, a felhasználó választásától függően.

? Csillagászat

A Pythonnak a csillagászatban és az asztrofizikában is vannak alkalmazásai. Nézzük meg az ezen a tudományos területen használt három fő Python-csomagot:

Asztrópia

Az Astropy csomag "különféle osztályokat, segédprogramokat és csomagolási keretet tartalmaz, amelyek célja a gyakran használt csillagászati ​​eszközök biztosítása."

Az Asztrópia az Asztrópia Projekt elnevezésű nagyobb projekt része, amely "egy közösségi erőfeszítés egy közös Python csillagászati ​​alapcsomag kidolgozására és az interoperábilis csillagászati ​​csomagok ökoszisztémájának elősegítésére."

Az About oldal szerint egyik célja "a csillagászati ​​Python csomagok használhatóságának, átjárhatóságának és együttműködésének javítása".

? Tipp: Az Astropy segítségével készített projektekre példákat láthat a Példa Galériában.

SunPy

A SunPy csomag leírása "a közösség által kifejlesztett, ingyenes és nyílt forráskódú napelemes adatelemzési környezet a Python számára". A Python csomagok, például a NumPy, a SciPy, a Matplotlib és a Pandas képességeire épít.

SpacePy

A SpacePy csomag "egy csomag az Python számára, amely az űrtudományokra irányul, és amelynek célja az alapadatok elemzésének, modellezésének és megjelenítésének megkönnyítése".

Hivatalos dokumentációja szerint:

A SpacePy projekt célja a pontos és nyílt kutatási szabványok előmozdítása azáltal, hogy nyílt környezetet biztosít a kódok fejlesztéséhez.

GitHub-tárházának leírása szerint korszakosztályok, sodródáshéj-nyomon követés, hozzáférés a mágneses tér modellekhez, áramvonalas nyomkövetés, bootstrap-megbízhatósági korlátok, idő- és koordinátakonverziók, stb.

? Egyéb alkalmazások

A Python számos más területen is alkalmazható, beleértve:

• Robotika: A Python használható robotok programozására. Az erre a célra írt könyvtár a pybotics, "egy nyílt forráskódú Python eszköztár a robot kinematikájának és kalibrálásának".
• Autonóm járművek: A Python programozható az önvezető autókat vezérlő szoftverre. Ezeknek az autóknak számítógépes látásra van szükségük ahhoz, hogy "lássák", hol haladnak, hol van a sáv, és milyen tárgyak veszik körül őket.
• Meteorológia : A klímaindexek csomag "különböző klímaindex-algoritmusok Python-implementációit tartalmazza, amelyek földrajzi és időbeli képet nyújtanak a csapadék súlyosságáról és a klímamegfigyeléshez és kutatáshoz hasznos hőmérséklet-anomáliákról".
• Üzleti: A Python hatékony eszköz lehet a vállalkozások által generált adatok elemzésére és a jövőbeli trendek előrejelzésére.
• Grafikus felhasználói felület (GUI) fejlesztése : A Python használható grafikus felhasználói felületek létrehozására olyan eszközökkel, mint a tkinter.
• Ha szeretne többet megtudni erről, a freeCodeCamp nagyszerű oktatóanyaggal rendelkezik a YouTube-on: Tkinter Course - Grafikus felhasználói interfészek létrehozása a Python bemutatóban.

? Összefoglalva

A Python minden területén sok olyan alkalmazás létezik, amelyet elképzelhet. Remélem, hogy ez a cikk képet adott a programnyelv valós alkalmazások széles köréről azokban az iparágakban, amelyek jelenleg alakítják a világunkat.  

Ne feledje, hogy függetlenül attól, hogy melyik területen vagy melyik területen szeretne lenni, a Python megtanulása biztosan számos ajtót nyit meg Ön előtt. Itt van, hogy maradjon. És átalakította és javította jelenlegi világunkat, és sok éven át folytatja.

Nagyon remélem, hogy tetszett a cikkem, és hasznosnak találta. Nézze meg online tanfolyamaimat. Kövess a Twitteren. ⭐️