Wofür wird Python verwendet? 10+ Codierungsanwendungen für die Programmiersprache Python.

🔹 Willkommen

Hallo! Bitte nehmen Sie sich einen Moment Zeit, um über diese Frage nachzudenken:

Wie wird Python in realen Szenarien angewendet?

Wenn Sie Python lernen und die Antwort wissen möchten, ist dieser Artikel für Sie.

Wenn Sie eine klare Vorstellung von den Anwendungen und dem enormen Potenzial dieser Programmiersprache haben, erhalten Sie die Motivation, die Sie während Ihrer Reise benötigen.

Lass uns anfangen! ✨

🔸 Python in realen Szenarien

Python wird in praktisch allen Branchen und Wissenschaftsbereichen verwendet, die Sie sich vorstellen können, einschließlich:

  • Data Science.
  • Maschinelles Lernen.
  • Web Entwicklung.
  • Informatikunterricht.
  • Computer Vision und Bildverarbeitung.
  • Spieleentwicklung.
  • Medizin und Pharmakologie.
  • Biologie und Bioinformatik.
  • Neurowissenschaften und Psychologie.
  • Astronomie.
  • Andere Bereiche wie Robotik, autonome Fahrzeuge, Business, Meteorologie und Entwicklung grafischer Benutzeroberflächen (GUI).

Dieser Artikel behandelt eine breite Palette von Anwendungen dieser Programmiersprache in diesen Branchen mit Beispielen, Anwendungsfällen und Python-Bibliotheken. Beginnen wir mit den Anwendungen von Python in der Datenwissenschaft.

🔹 Data Science: Analyse und Visualisierung

Vielleicht ist eine der beliebtesten Anwendungen von Python die Datenwissenschaft. Die Leistungsfähigkeit der für die Datenanalyse und -visualisierung entwickelten Python-Bibliotheken ist erstaunlich. Mal sehen warum.

Data Science-Anwendungen

Mit einer Python-Datenvisualisierungsbibliothek können Sie eine Vielzahl von Plots und visuellen Darstellungen erstellen, z.

  • Linien, Balken und Markierungen.
  • Bilder, Konturen und Felder.
  • Nebenhandlungen, Achsen und Figuren.
  • Statistiken (Box Plots, Balkendiagramme und Histogramme).
  • Kreis- und Polardiagramme.
  • 3D-Diagramme.
  • und mehr!

Sie können Ihren Plots Text, Beschriftungen, Anmerkungen, Farben, Formen, Sammlungen, Animationen und Interaktivität hinzufügen, je nachdem, mit welchem ​​Paket oder welcher Bibliothek Sie arbeiten möchten.

💡 Tipp: Im obigen Bild sehen Sie einige Beispiele für mit Python generierte Datenvisualisierungen.

Bibliotheken und Pakete

Sehen wir uns einige der beliebtesten Pakete und Bibliotheken für die Arbeit mit Python in der Datenwissenschaft an:

Python für die Datenanalyse

  • NumPy: Dieses Paket wird als "grundlegendes Paket für wissenschaftliches Rechnen mit Python" bezeichnet. Laut der offiziellen Website dieses Pakets "nutzt fast jeder Wissenschaftler, der in Python arbeitet, die Kraft von NumPy."
  • Pandas: ist "ein schnelles, leistungsstarkes, flexibles und einfach zu verwendendes Open-Source-Tool zur Analyse und Bearbeitung von Daten."

Python für die Datenvisualisierung

  • Matplotlib: ist "eine umfassende Bibliothek zum Erstellen statischer, animierter und interaktiver Visualisierungen in Python". Wenn Sie neugierig sind, was Sie mit dieser Bibliothek tun können, sehen Sie sich die Beispielgalerie an.
  • Seaborn: ist "eine Python-Datenvisualisierungsbibliothek, die auf matplotlib basiert". Wenn Sie neugierig sind, was Sie mit dieser Bibliothek tun können, sehen Sie sich die Beispielgalerie an.
  • ggplot2: ist "ein System zum deklarativen Erstellen von Grafiken basierend auf der Grammatik der Grafiken". Laut der offiziellen Website: "Sie geben die Daten an, teilen ggplot2 mit, wie Variablen der Ästhetik zugeordnet werden sollen, welche grafischen Grundelemente verwendet werden sollen, und kümmern sich um die Details."
  • Bokeh: ist "eine interaktive Visualisierungsbibliothek für moderne Webbrowser".
  • Pandas:Diese Bibliothek verfügt über viele Tools zur Datenvisualisierung.

Lernmittel

Wenn Sie Datenanalyse und -visualisierung mit Python, Jupyter Notebooks, Numpy, Pandas, CSV-Dateien, Datenrahmen und mehr lernen möchten, können Sie Ihre Reise mit der kostenlosen Datenanalyse von freeCodeCamp mit Python-Zertifizierung beginnen :

Während der Zertifizierung arbeiten Sie an folgenden Projekten und schließen diese ab:

  • Mittelwert-Varianz-Standard-Abweichungsrechner.
  • Demographic Data Analyzer.
  • Visualizer für medizinische Daten.
  • Seitenansicht Time Series Visualizer.
  • Meeresspiegel-Prädiktor.

Der YouTube-Kanal von freeCodeCamp bietet außerdem folgende großartige kostenlose Tutorials, mit denen Sie loslegen können:

  • Datenanalyse mit Python - Vollständiger Kurs für Anfänger (Numpy, Pandas, Matplotlib, Seaborn) von Santiago Basulto.
  • Python für Data Science - Lernen Sie Pandas, Matplotlib, Numpy und mehr durch DataPublishing
  • Matplotlib Crash Course von Keith Galli
  • Python NumPy Tutorial für Anfänger von Keith Galli

Darüber hinaus sind dies hilfreiche Ressourcen, wenn Sie lernen möchten, wie Sie mit diesen Bibliotheken arbeiten:

  • Matplolib-Tutorials: Kostenlose Tutorials für Anfänger, Fortgeschrittene und Fortgeschrittene, in denen Sie lernen, wie Sie fantastische Visualisierungen erstellen.
  • Abschnitt "Erste Schritte" der Pandas: Kostenlose Einführungs-Tutorials.
  • NumPy Learn-Bereich: Eine kuratierte Sammlung externer Ressourcen, die Ihnen den Einstieg erleichtern.

🔸 Maschinelles Lernen

Python ist ein unverzichtbares Werkzeug für jeden Entwickler, der in den faszinierenden Bereich des maschinellen Lernens einsteigen möchte. Sehen wir uns eine kurze Einführung in das maschinelle Lernen an.

Was ist maschinelles Lernen?

Maschinelles Lernen ist ein Bereich der Informatik, in dem Systeme geschaffen werden, die selbstständig lernen können.

Diese Art von System verwendet Algorithmen, die basierend auf Eingabedaten kontinuierlich verbessert werden und das System beim "Lernen" unterstützen. Es wird gelernt, wie man autonom auf neue Szenarien reagiert, indem in neuen Szenarien basierend auf Vorkenntnissen eine angemessene Ausgabe generiert wird.

Eines der erstaunlichsten Dinge an diesen Systemen ist, dass sie ständig weiterentwickelt werden.

Sie ähneln nicht den Programmen, die wir normalerweise in einem Python-Skript schreiben, in dem wir alle möglichen Aktionen angeben, die das Programm ausführen kann. Beim maschinellen Lernen wird das System darauf trainiert, basierend auf Vorkenntnissen zu "denken" und Entscheidungen zu treffen.

Deshalb sagen wir, dass Maschinen aus den Daten "lernen".

💡 Tipp: Dies ist ein interessanter Vortrag von Google: Maschinelles Lernen Zero to Hero (Google I / O'19).

Neuronale Netze: Die Bausteine ​​des maschinellen Lernens

Neuronale Netze sind die Verarbeitungseinheiten des Systems. Sie versuchen, ein echtes Netzwerk von Neuronen des Gehirns zu simulieren. Die virtuellen "Neuronen" erhalten Input, lernen, wie dieser Input verarbeitet wird, und generieren einen Output basierend auf ihren Vorkenntnissen.

Dies ist sehr ähnlich zu dem, was unser Gehirn jeden einzelnen Moment eines jeden Tages tut.

Dank neuronaler Netze kann ein Algorithmus für maschinelles Lernen lernen, wie die erwartete Ausgabe einer bestimmten Eingabe basierend auf Vorkenntnissen vorhergesagt werden kann.

Wenn Sie beispielsweise empfohlene Videos auf YouTube sehen, wurden diese Empfehlungen von neuronalen Netzen generiert, die anhand Ihrer vorherigen Muster vorhersagen, welche Videos Sie möglicherweise ansehen möchten. Erstaunlich, richtig?

💡 Tipp: Dies ist ein interessanter Artikel von Google, wenn Sie mehr über dieses YouTube-Beispiel erfahren möchten.

Python und maschinelles Lernen

Ich bin sicher, Sie müssen sich fragen: Welche Rolle spielt Python in diesem Bereich? Es ist eines der beliebtesten und leistungsstärksten Tools zum Programmieren dieser Art von System.

Eine der beliebtesten Bibliotheken, mit denen Entwickler auf der ganzen Welt mit Python arbeiten, das auf maschinelles Lernen angewendet wird, ist TensorFlow . Es ist eine kostenlose Open-Source-Bibliothek, die vom Google Brain Team entwickelt wurde. Diese Bibliothek wird für Forschung und Produktion bei Google verwendet.

Laut Jeff Dean, dem Leiter der Abteilung für künstliche Intelligenz von Google:

Heute wird es in unseren Spracherkennungssystemen, in einem neuen Google Fotos-Produkt, in Google Mail und in der Google-Suche häufig verwendet. (Quelle)

Das Beste daran ist, dass Entwickler auf der ganzen Welt diese Bibliothek verwenden können, um Probleme der realen Welt anzugehen.

💡 Tipp: Dies ist ein großartiges Video über TensorFlow von Google.

Dies sind zwei weitere beliebte Python-Bibliotheken, die für maschinelles Lernen verwendet werden:

  • Keras - eine in Python geschriebene Open-Source-Bibliothek für neuronale Netze.
  • PyTorch - eine Open-Source-Bibliothek für maschinelles Lernen, die zum Entwickeln und Trainieren neuronaler Netze verwendet wird.

Projekte für maschinelles Lernen in Python

Das Potenzial des maschinellen Lernens ist wirklich endlos. Es kann auf praktisch jeden Bereich und Kontext angewendet werden, den Sie sich vorstellen können. Wenn die Aufgabe das Lernen aus Mustern und das Vorhersagen von Ergebnissen erfordert, kann ein Modell für maschinelles Lernen definitiv helfen.

Um Ihnen beispielsweise einen Eindruck von der Art der Projekte zu geben, die Sie erstellen können, enthält der Lehrplan von freeCodeCamp ein kostenloses maschinelles Lernen mit Python-Zertifizierung :

Während der Zertifizierung arbeiten Sie an folgenden Projekten und schließen diese ab:

  • Schere, Stein, Papier.
  • Katzen- und Hundebildklassifizierer.
  • Buchen Sie die Empfehlungs-Engine mit K-Nearest Neighbors.
  • Rechner für die Gesundheitskosten der linearen Regression.
  • SMS-Klassifikator für neuronale Netze.

Weitere Beispiele für reale Anwendungen

Weitere Beispiele für die Anwendungen des maschinellen Lernens finden Sie in Kaggle, einer "Online-Community von Datenwissenschaftlern und Praktikern des maschinellen Lernens" von Google.

Auf dieser Plattform können Sie Ihre Python- und maschinellen Lernfähigkeiten üben, indem Sie an Projekten arbeiten und an Wettbewerben teilnehmen.

Um Ihnen einen Eindruck von der Art der Projekte zu geben, die Sie mit maschinellem Lernen angehen können, umfassen frühere Wettbewerbe in Kaggle:

  • Vorhersage des Lungenfunktionsabfalls.
  • Vorhersage des Überlebens auf der Titanic.
  • Bauwerkzeuge zur Überwachung der Vogelpopulation.
  • Kennzeichnung berühmter Sehenswürdigkeiten.
  • Prognose der Verbreitung von COVID-19.
  • Schätzung des Absatzes von Walmart-Einzelhandelswaren.
  • Identifizieren von Videos mit Gesichts- oder Tonmanipulationen.
  • Vorhersage von Wartezeiten an großen Stadtkreuzungen.
  • Aufdeckung von Betrug aus Kundentransaktionen.
  • Vorhersage der weltweiten Einnahmen eines Films an den Kinokassen.
  • Vorhersage der Adoption von Haustieren.
  • Identifizieren des Risikos, wenn Piloten abgelenkt, schläfrig oder in anderen gefährlichen kognitiven Zuständen sind.

Wie Sie sehen können, reichen die Anwendungen nur in dieser kurzen Liste von Projekten von Medizin bis Wirtschaft, von Biologie bis Risikoerkennung und von Betrugserkennung bis Bildverarbeitung. Die Möglichkeiten sind wirklich endlos, wenn Sie Probleme der realen Welt mit maschinellem Lernen angehen.

Lernmittel

Der YouTube-Kanal von freeCodeCamp bietet diese hilfreichen Tutorials, mit denen Sie mit maschinellem Lernen in Python beginnen können:

  • TensorFlow 2.0-Komplettkurs - Python Neural Networks for Beginners Tutorial
  • Entwickeln Sie eine KI, um Connect Four - Python Tutorial zu spielen
  • Scikit-Learn-Kurs - Maschinelles Lernen in Python Tutorial
  • PyTorch for Deep Learning - Vollständiger Kurs / Tutorial

🔹 Webentwicklung

Python wird im Bereich der Webentwicklung verwendet, um das Back-End von Webanwendungen zu erstellen. Beginnen wir diesen Abschnitt, indem wir ein wenig darüber sprechen, was das Back-End ist und wie es uns beim Erstellen von Webanwendungen hilft.

Python für die Back-End-Webentwicklung

In einer Webanwendung wird der gesamte Code, der verwendet wird, um mit dem Benutzer zu interagieren und das zu erstellen, was der Benutzer sieht, als Front-End-Teil der Anwendung bezeichnet.

Python wird verwendet, um die Funktionalität der Anwendung hinter den Kulissen zu codieren. Dieser Teil unterstützt alle Funktionen der Anwendung, wird jedoch nicht direkt auf dem Bildschirm angezeigt.

Es verwaltet die Serverseite der Anwendung und interagiert mit allen erforderlichen Datenbanken, wenn der Benutzer Daten anfordert. Die angeforderten Daten werden an den Benutzer zurückgegeben, damit die Anwendung wie erwartet ausgeführt wird.

💡 Tipp: Die Full-Stack-Webentwicklung umfasst sowohl das Front-End als auch das Back-End einer Webanwendung, um sie dem Benutzer während der Arbeit mit Datenbanken präsentierbar zu machen.

Web Frameworks

Dies sind einige beliebte Python-Webframeworks:

  • Django: "Ein Python-Webframework auf hoher Ebene, das eine schnelle Entwicklung und ein sauberes, pragmatisches Design fördert."
  • Flask: Ein sehr beliebtes Mikroframework zur Entwicklung von Webanwendungen in Python.
  • Pyramide: ein "kleines, schnelles, bodenständiges Python-Webframework".
  • Web2Py: "Ein kostenloses Open-Source-Full-Stack-Framework für die schnelle Entwicklung schneller, skalierbarer, sicherer und portabler datenbankgesteuerter webbasierter Anwendungen."
  • Flasche: ein "schnelles, einfaches und leichtes WSGI Micro Web-Framework für Python".

Lernmittel

Der YouTube-Kanal von freeCodeCamp bietet großartige kostenlose Tutorials zum Erlernen der Webentwicklung in Python:

  • Python Django Web Framework - Vollständiger Kurs für Anfänger
  • Lernen Sie Flask for Python - Vollständiges Tutorial
  • Webprogrammierung mit Flask - Einführung in die Informatik - Harvards CS50 (2018)
  • Full Stack Python Flask Tutorial - Erstellen Sie ein soziales Netzwerk

Dies sind auch großartige kostenlose Ressourcen, um zu lernen, wie man mit diesen Frameworks arbeitet:

  • Django "Erste Schritte" Abschnitt
  • Pyramiden-Tutorials
  • Schnelles Tutorial für Pyramid

🔸 Informatikunterricht

Python spielt derzeit weltweit eine Schlüsselrolle im Informatikunterricht. Mal sehen warum.

Warum Python?

Python wird so häufig als Lehrmittel verwendet, weil:

  • Es ist leicht zu erlernen: Die Syntax ist einfach und es kann schnell erlernt werden. Die Schüler tauchen viel schneller in fortgeschrittenere Aspekte der Informatik ein als mit anderen Programmiersprachen.
  • Es ist leistungsstark: Es wird in realen Anwendungen verwendet, sodass die Schüler sofort wertvolle Fähigkeiten für ihre Karriere erwerben.
  • Es ist vielseitig: Es unterstützt verschiedene Programmierparadigmen, einschließlich imperativer Programmierung, funktionaler Programmierung, prozeduraler Programmierung und objektorientierter Programmierung.

Der Schöpfer der Python-Sprache, Guido van Rossum, erklärte:

Ich bin der Meinung, dass Python viel einfacher ist, als den Schülern das Programmieren beizubringen und ihnen gleichzeitig C oder C ++ oder Java beizubringen, da alle Details der Sprachen so viel schwieriger sind.

Die Syntax von Python ist einfach und unkompliziert, sodass die Schüler viel schneller mit dem Erlernen von Computerdenken und Problemlösungsfähigkeiten beginnen können. Dies ist normalerweise das Hauptziel von Einführungskursen in die Informatik.

Python im Klassenzimmer und Online-Lernen

Viele Universitäten und Schulen auf der ganzen Welt haben beschlossen, Einführungskurse in Programmierung und Informatik mit Python zu unterrichten.

Das MIT, eine der weltweit führenden Universitäten auf dem Gebiet der Technologie, unterrichtet beispielsweise einführende Informatik und Programmierung mit Python (sowohl in der On-Campus- als auch in der Online-Version des edX-Kurses).

Laut einem Artikel von MIT News, der veröffentlicht wurde, als die Online-Version des Kurses 1,2 Millionen Anmeldungen erreichte, ist der Kurs "zum beliebtesten MOOC in der MIT-Geschichte geworden".

Dies zeigt deutlich, dass Pythons Popularität weiter steigt. In dem Artikel finden Sie Zeugnisse von Schülern, die Python gelernt haben und wie dieses neue Wissen ihr Leben verbessert hat.

In dem Artikel erklärt Professor Ana Bell, Dozentin in der EECS-Abteilung am MIT, dass:

"Im Kern lehrt die 6.00-Reihe das rechnerische Denken ... Sie verwendet dazu die Programmiersprache Python, aber der Kurs vermittelt auch Programmierkonzepte, die in jeder anderen Programmiersprache angewendet werden können."

Dies zeigt deutlich das Potenzial von Python als Lehrmittel. Es kann verwendet werden, um übergeordnete Konzepte zu vermitteln, die auf andere Programmiersprachen angewendet werden können.

Und dies ohne die zusätzliche Komplexitätsebene, die die Syntax anderer Programmiersprachen wie Java oder C zum Lernprozess beitragen könnte.

In den letzten Jahren sind Online-Kurse zu einem wichtigen Bestandteil des täglichen Lebens von Lernenden jeden Alters weltweit geworden. Die Vielfalt der kostenlosen Online-Kurse und -Ressourcen hat in den letzten Jahren enorm zugenommen.  

Zum Beispiel enthält der Lehrplan von freeCodeCamp drei kostenlose Zertifikate mit Projekten, mit denen Sie Ihre Python-Kenntnisse in Schlüsselbereichen mit weltweit hoher Nachfrage erweitern können:

  • Wissenschaftliches Rechnen mit Python.
  • Datenanalyse mit Python.
  • Maschinelles Lernen mit Python.

Die Harvard University bietet auch diese Online-Kurse an, die kostenlos geprüft werden können:

  • CS50s Einführung in die Informatik.
  • CS50s Webprogrammierung mit Python und JavaScript.
  • CS50s Einführung in die künstliche Intelligenz mit Python.

Python ist definitiv zu einem Schlüsselwerkzeug geworden, das die Informatikausbildung weltweit verbessert hat. Und das wird auch in Zukunft so bleiben.

Wenn Sie darüber nachdenken, einen Kurs mit Python zu unterrichten oder Python zu lernen, garantiere ich Ihnen, dass sich Ihre Zeit und Mühe absolut lohnt.

🔹 Computer Vision und Bildverarbeitung

Python wird für Computer Vision und Bildverarbeitung verwendet, Felder, die sich schnell erweitern.

Das Ziel der Bildverarbeitung besteht darin, ein Bild zu verarbeiten, Transformationen darauf anzuwenden und eine neue Version des Originalbilds zurückzugeben.  

Im Gegensatz dazu ist das Ziel des Computer Vision komplexer, da es versucht, den Computer dazu zu bringen, ein Bild und seinen Inhalt zu verstehen und zu interpretieren.

Bildverarbeitung

Beginnen wir mit der Bildverarbeitung. Mit einer Python-Bibliothek können Sie Operationen ausführen wie:

  • Zuschneiden, Drehen und Drehen.
  • Bearbeiten von Belichtungs- und Farbkanälen.
  • Kanten und Linien erkennen.
  • Hinzufügen von Filtern und Wiederherstellen von Bildern.

Computer Vision

Lassen Sie uns nun in die Bildverarbeitung eintauchen. Wenn Sie sich mit diesem Thema befassen, werden Sie möglicherweise von den aktuellen Anwendungen überrascht sein. Einige von ihnen sind:

  • Navigation.
  • Objekt- und Ereigniserkennung.
  • Gesichtserkennung.
  • Bildklassifizierung.

Dieses wissenschaftliche Gebiet ist so wichtig, dass Google ein Tool namens Cloud Vision entwickelt hat, das eine Python-Version enthält, mit der Entwickler diese Funktionalität in ihre Programme integrieren können.

Gemäß dem Tutorial "Verwenden der Vision-API mit Python" in Google Codelabs wurde die Google Cloud Vision-API:

Ermöglicht Entwicklern die einfache Integration von Vision-Erkennungsfunktionen in Anwendungen, einschließlich Bildbeschriftung, Gesichts- und Orientierungspunkterkennung, optische Zeichenerkennung (OCR) und Kennzeichnung expliziter Inhalte.

Diese Tools bieten Funktionen für die Gesichtserkennung, Landmarkenerkennung, Logoerkennung, Etikettenerkennung, Texterkennung und mehr.

💡 Tipp: Eine der erstaunlichsten Anwendungen von Computer Vision ist die Entwicklung von Software zur Steuerung selbstfahrender Autos. Diese Fahrzeuge müssen "sehen", wo sie fahren, wo sich die Fahrspur befindet und welche Objekte sie umgeben (einschließlich anderer Fahrzeuge). Computer Vision spielt bei dieser Funktionalität eine Schlüsselrolle.

Python-Bibliotheken

Dies sind einige großartige Bibliotheken für Computer Vision und Bildverarbeitung:

  • OpenCV: eine "Open-Source-Softwarebibliothek für Computer Vision und maschinelles Lernen". Die Python-Version heißt OpenCV-Python.
  • scikit-image: eine "Sammlung von Algorithmen für die Bildverarbeitung".
  • NumPy: Es kann verwendet werden, um die Pixel eines Bildes als 2D-Array zu verarbeiten.
  • SciPy: Das Paket scipy.ndimage "enthält verschiedene Funktionen für die mehrdimensionale Bildverarbeitung."

🔸 Spieleentwicklung

Spiele prägen definitiv das Leben und schaffen zeitlose Erinnerungen. Sie werden auch in den kommenden Jahren Teil unserer Gesellschaft sein. Python ist bereits da und entzündet den Funken der Spieleerstellung.

Python-Spieleentwicklungs-Frameworks

Laut der offiziellen Python-Dokumentation gibt es zwei Haupt-Python-Frameworks, die zur Entwicklung von Spielen verwendet werden:

  • pygame: "Das ursprüngliche und immer noch sehr aktive Paket für die Spieleentwicklung mit Python. Es ermöglicht Python, mit SDL, einer plattformübergreifenden Multimedia-Bibliothek, zu kommunizieren. Da es für jede Plattform und jede Python-Version kompiliert werden muss, kann es sein eine Verzögerung, wenn eine neue Python-Version erscheint. "
  • pyglet: Dies ist "der Newcomer, der auf OpenGL basiert. Da es sich um ein reines Python-Paket handelt, kann es auch dann verwendet werden, wenn eine neue Python-Version veröffentlicht wird (mit Ausnahme des Übergangs von Python 2 zu Python 3)."

Sie können auch das Turtle-Modul verwenden, um einfache Spiele zu erstellen. Turtle ist ein integriertes Python-Modul, das automatisch installiert wird, wenn Sie Python auf Ihrem Computer installieren. Es hilft Ihnen, Spiele mit einfachen Grafiken und einer einfachen Benutzeroberfläche zu erstellen.

Lernmittel

Wenn Sie die Spieleentwicklung in Python lernen möchten, bietet der YouTube-Kanal von freeCodeCamp diese großartigen kostenlosen Tutorials:

  • Lernen Sie Python, indem Sie fünf Spiele erstellen - vollständiger Kurs
  • Python- und Pygame-Tutorial - Erstellen Sie Tetris! Vollständiger GameDev-Kurs
  • Snake Game Python Tutorial

🔹 Medizin und Pharmakologie

Python hat auch erstaunliche Anwendungen im medizinischen Bereich. Sie werden überrascht sein, wie Technologie mit medizinischem Wissen kombiniert wird, um Patienten genaue und effiziente Diagnosen und Behandlungen zu ermöglichen.

Anwendungen

Einige Beispiele für die Verwendung von Python in der Medizin und Pharmakologie sind:

  • Klinische Diagnosen basierend auf den medizinischen Unterlagen und Symptomen der Patienten.
  • Medizinische Daten analysieren.
  • Erstellung von Rechenmodellen zur Beschleunigung des Entwicklungsprozesses neuer Medikamente.

Diese breiten Anwendungen umfassen Tausende und Abertausende von Beispielen auf der ganzen Welt. Ich habe einige davon ausgewählt, um zu veranschaulichen, wie Python dieses Feld gestaltet. Schauen wir sie uns an.

Pharmazeutische Erfolgsgeschichte: AstraZeneca

Laut der offiziellen Python-Dokumentation hat eines der weltweit führenden Pharmaunternehmen, AstraZeneca, Python verwendet, um seine vorhandenen Rechenmodelle zu verbessern und sie "robuster, erweiterbarer und wartbarer" zu machen.

Die Forscher verwendeten diese Modelle, um die chemische Struktur von Molekülen und ihre Wirkung im Körper zu simulieren. Dies half Wissenschaftlern, potenzielle Moleküle für neue Medikamente zu identifizieren und diese schneller im Labor zu testen.

Als er sich dem Team anschloss, überzeugte Andrew Dalke als "bekannter Verfechter von Python in Computerchemie und Biologie" das Team, dass Python genau das war, was sie brauchten.

Python wurde für diese Arbeit ausgewählt, weil es eine der besten verfügbaren Sprachen für Physiker ist, dh für Menschen ohne Informatik-Hintergrund.

Das hat er gesagt:

Python wurde entwickelt, um reale Probleme zu lösen, mit denen ein erfahrener Programmierer konfrontiert ist. Das Ergebnis ist eine Sprache, die sich gut von kleinen Skripten eines Chemikers bis zu großen Paketen eines Softwareentwicklers skalieren lässt.

Erstaunlich, richtig? Python kann die Rechenmodelle unterstützen, mit denen pharmazeutische Labors neue Medikamente entwickeln.

Identifizierung roter Blutkörperchen (RBC)

Eine weitere interessante medizinische Anwendung von Python betrifft die Hämatologie. Normalerweise analysieren spezialisierte Fachleute Blutuntersuchungen, indem sie Zellen manuell zählen und identifizieren. Dies kann jedoch mithilfe der Automatisierung verbessert werden.

Die Forscher fanden heraus, dass Python das richtige Werkzeug für den Job sein kann. Sehen wir uns ein interessantes Projekt an.

IdentiCyte

Das Ziel dieses Projekts ist es, Formen roter Blutkörperchen anhand von Bildern zu identifizieren und zu klassifizieren, die von optischen Mikroskopen aufgenommen wurden. Laut diesem Artikel kann "die RBC-Form helfen, Krankheiten und Störungen wie Leukämie, Sichelzellenanämie und Malaria zu diagnostizieren."

Das Projekt wurde von Forschern des Bioresource Processing Research Institute Australia entwickelt. Es wurde in Python programmiert und verwendete Bildverarbeitungs-Python-Pakete und -Bibliotheken wie numpy, scipy, opencv-python, scikit-learn und matplotlib.

Python Medical-Pakete

  • pyGeno: Ein Open-Source-Python-Paket, das von Tariq Daouda am Institut für Immunologie- und Krebsforschung (IRIC) entwickelt wurde. Es ist für "Präzisionsmedizin-Anwendungen gedacht, die sich um Genomik und Proteomik drehen". Es funktioniert mit Referenz- und personalisierten Genomen.
  • MedPy: eine Open-Source-Python-Bibliothek "für die medizinische Bildverarbeitung in Python, die grundlegende Funktionen zum Lesen, Schreiben und Bearbeiten großer Bilder beliebiger Dimensionalität bietet".

Medizinische Anwendungen in der Praxis (Beispiele)

  • Gusztav Belteki präsentierte ein weiteres Beispiel während seines Vortrags auf der PyData Berlin 2018 "Python in der Medizin: Analyse von Daten von mechanischen Beatmungsgeräten". Das Ziel seiner Forschung war es, "große Datensätze zu interpretieren, die von modernen Geräten auf der Intensivstation für Neugeborene, mechanischen Beatmungsgeräten und Patientenmonitoren abgerufen wurden".
  • Auf der PyCon 2019 hielt Jill Cates diese Präsentation mit dem Titel "Wie man ein klinisches Diagnosemodell in Python erstellt".

🔸 Biologie und Bioinformatik

Python hat auch erstaunliche Anwendungen in der Welt der Biologie und Bioinformatik. Dazu gehören die Verarbeitung von DNA-Sequenzen, die Simulation der Populationsdynamik und -genetik sowie die Modellierung biochemischer Strukturen.

Biopython

Biopython ist ein Python-Framework mit "frei verfügbaren Werkzeugen für die biologische Berechnung". Ihr Ziel ist es, "auf die Bedürfnisse der gegenwärtigen und zukünftigen Arbeit in der Bioinformatik einzugehen".

Gemäß seiner Dokumentation enthält dieses Framework Funktionen wie die Fähigkeit:

  • Arbeiten Sie mit Sequenzen und führen Sie allgemeine Operationen wie Transkriptions-, Übersetzungs- und Gewichtsberechnungen durch.
  • Verbinden Sie sich mit biologischen Datenbanken.
  • Führen Sie die Klassifizierung von Daten mit K-Nearest Neighbors, Naive Bayes und Support Vector Machines durch.
  • Arbeiten Sie mit phylogenetischen Bäumen und Populationsgenetik.

In der Dokumentation heißt es: "Das Ziel von Biopython ist es, die Verwendung von Python für die Bioinformatik so einfach wie möglich zu gestalten, indem hochwertige, wiederverwendbare Module und Klassen erstellt werden."

Rosalind: Übe Python durch Lösen von Bioinformatik-Herausforderungen

Rosalind ist "eine Plattform zum Erlernen der Bioinformatik durch Problemlösung". Es ist "kostenlos und für die Öffentlichkeit zugänglich" (die FAQ-Seite zeigt an, dass es sich im Beta-Modus befindet).

Python kann verwendet werden, um die Herausforderungen auf der Plattform zu lösen. Da dies eine sehr beliebte Programmiersprache auf der Plattform ist, gibt es einen Abschnitt "Python Village", in dem Sie die Grundlagen von Python erlernen können, bevor Sie sich mit Bioinformatik-Algorithmen befassen.

Benutzer lösen die Probleme, indem sie ihre Lösungen auf ihrem Computer ausführen, den angegebenen Datensatz verarbeiten und die Ausgabe kopieren / einfügen, um die Antwort zu überprüfen.

💡 Tipp: Der Name des Projekts erinnert an Rosalind Franklin, "deren Röntgenkristallographie mit Raymond Gosling die Entdeckung der DNA-Doppelhelix durch Watson und Crick ermöglichte".

Pakete und Frameworks

  • ProDy: Ein kostenloses Open-Source-Paket "für die Analyse der Proteinstrukturdynamik", das vom Bahar Lab an der Universität von Pittsburgh entwickelt wurde.
  • PySB : Ein "Framework zum Erstellen mathematischer Modelle biochemischer Systeme als Python-Programme", das von Mitgliedern des Lopez Lab an der Vanderbilt University und des Sorger Lab an der Harvard Medical School entwickelt wurde.
  • Der Community-Simulator: Dies ist ein "frei verfügbares Python-Paket zur Simulation der Dynamik mikrobieller Populationen auf reproduzierbare, transparente und skalierbare Weise", das von Forschern der Boston University entwickelt wurde.

💡 Tipp: Wenn Sie mehr über die Anwendungen von Python in der Bioinformatik erfahren möchten, finden Sie hier einen Vortrag von Martin Schweitzer auf der PyCon Australia: "Python für Bioinformatik zum Erlernen von Python".

🔹 Neurowissenschaften und Psychologie

Python hat auch Anwendungen in der neurowissenschaftlichen und experimentellen Psychologieforschung.

Python in den Neurowissenschaften

Laut dem Artikel Python in Neuroscience von Forschern des Zentrums für Gehirnsimulation der Ecole Polytechnique Fédérale de Lausanne, Genf, Schweiz:

Die Berechnung wird in allen Wissenschaften für die Datenerfassung und -analyse, die Automatisierung und das Testen von Hypothesen über Modellierung und Simulation immer wichtiger.

In Bezug auf Python heißt es:

2007 wurde uns klar, dass wir im neurowissenschaftlichen Ökosystem, insbesondere in den Computational Neuroscience und Neuroimaging, aber auch in der elektrophysiologischen Datenanalyse und in der Psychophysik, an der Schwelle eines aufstrebenden Pythons stehen .

Wie Sie sehen können, haben Python und Berechnung in allen Wissenschaften zugenommen.

PsychoPy

PsychoPy ist "ein Open-Source-Paket zum Ausführen von Experimenten in Python", das von der University of Nottingham unterstützt wird. Gemäß der offiziellen Dokumentation dieses Pakets:

Es wird von vielen Labors weltweit für Psychophysik, kognitive Neurowissenschaften und experimentelle Psychologie verwendet.

Auf der offiziellen Website dieses Pakets heißt es:

  • Einfach zu lernen.
  • Präzise genug für die Psychophysik.
  • Flexibel.
  • Online oder laborbasiert, je nach Wahl des Benutzers.

🔸 Astronomie

Python hat auch Anwendungen in der Astronomie und Astrophysik. Sehen wir uns drei der wichtigsten Python-Pakete an, die in diesem wissenschaftlichen Bereich verwendet werden:

Astropie

Das Astropy-Paket "enthält verschiedene Klassen, Dienstprogramme und ein Verpackungsframework, das häufig verwendete Astronomie-Tools bereitstellen soll."

Astropy ist Teil eines größeren Projekts namens The Astropy Project, das "eine Gemeinschaftsanstrengung ist, um ein gemeinsames Kernpaket für die Astronomie in Python zu entwickeln und ein Ökosystem interoperabler Astronomiepakete zu fördern".

Laut der Info-Seite besteht eines der Ziele darin, "die Benutzerfreundlichkeit, Interoperabilität und Zusammenarbeit zwischen Astronomie-Python-Paketen zu verbessern".

💡 Tipp: Beispiele für mit Astropy erstellte Projekte finden Sie in der Beispielgalerie.

SunPy

Das SunPy-Paket wird als "von der Community entwickelte, kostenlose und Open-Source-Umgebung für die Analyse von Solardaten für Python" beschrieben. Es baut auf den Funktionen von Python-Paketen wie NumPy, SciPy, Matplotlib und Pandas auf.

SpacePy

Das SpacePy-Paket ist "ein Paket für Python, das sich an die Weltraumwissenschaften richtet und die grundlegende Analyse, Modellierung und Visualisierung von Daten vereinfachen soll."

Laut offizieller Dokumentation:

Das SpacePy-Projekt zielt darauf ab, genaue und offene Forschungsstandards zu fördern, indem eine offene Umgebung für die Codeentwicklung bereitgestellt wird.

Gemäß der Beschreibung seines GitHub-Repositorys wurden Epochenklassen, Drift-Shell-Tracing, Zugriff auf Magnetfeldmodelle, Streamline-Tracing, Bootstrap-Konfidenzgrenzen, Zeit- und Koordinatenkonvertierungen und mehr überlagert.

🔹 Andere Anwendungen

Python kann auch in vielen anderen Bereichen angewendet werden, darunter:

  • Robotik: Mit Python können Roboter programmiert werden. Eine zu diesem Zweck geschriebene Bibliothek ist pybotics, "eine Open-Source-Python-Toolbox für Roboterkinematik und -kalibrierung".
  • Autonome Fahrzeuge: Mit Python kann die Software programmiert werden, die selbstfahrende Autos steuert. Diese Autos benötigen Computer Vision, um zu "sehen", wo sie fahren, wo sich die Fahrspur befindet und welche Objekte sie umgeben.
  • Meteorologie : Das Paket Klimaindizes "enthält Python-Implementierungen verschiedener Klimaindexalgorithmen, die ein geografisches und zeitliches Bild der Schwere von Niederschlägen und Temperaturanomalien liefern, die für die Klimaüberwachung und -forschung nützlich sind."
  • Geschäft: Python kann ein leistungsstarkes Tool sein, um von Unternehmen generierte Daten zu analysieren und zukünftige Trends vorherzusagen.
  • Entwicklung der grafischen Benutzeroberfläche (GUI) : Mit Python können grafische Benutzeroberflächen mit Tools wie tkinter erstellt werden.
  • Wenn Sie mehr darüber erfahren möchten, bietet freeCodeCamp auf YouTube ein großartiges Tutorial: Tkinter-Kurs - Erstellen grafischer Benutzeroberflächen in Python Tutorial.

🔸 Zusammenfassend

Es gibt viele Anwendungen von Python in jedem Bereich, den Sie sich vorstellen können. Ich hoffe, dieser Artikel hat Ihnen einen Eindruck von der Vielzahl realer Anwendungen dieser Programmiersprache in Branchen vermittelt, die derzeit unsere Welt prägen.  

Denken Sie daran, dass das Erlernen von Python Ihnen unabhängig davon, in welchem ​​Bereich Sie sich befinden oder in welchem ​​Bereich Sie sich befinden möchten, definitiv viele Türen öffnen wird. Es ist hier um zu bleiben. Und es hat unsere gegenwärtige Welt verändert und verbessert und wird dies auch noch viele Jahre tun.

Ich hoffe wirklich, dass Ihnen mein Artikel gefallen hat und Sie ihn hilfreich fanden. Schauen Sie sich meine Online-Kurse an. Folge mir auf Twitter. ⭐️