Python

Python tillhör de mest flexibla och samtidigt lättanvända programmeringsspråken.
Två Python-miljöer finns tillgängliga på CodeRoom, vilka täcker olika områden för användning.

Python 3.8 – Serverbaserad exekvering

För mer omfattande program, dataanalys och vetenskapliga applikationer finns en serverbaserad Python-3.8-miljö tillgänglig.
Här kan program exekveras med kraftfulla bibliotek.

Tillgängliga bibliotek

• Astropy – Verktyg för astronomi och astrofysik
• Biopython – Bibliotek för bioinformatiska applikationer
• Geopandas – Utökning av Pandas för geografisk data
• Matplotlib – Skapande av diagram och visualiseringar
• NetworkX – Skapande, analys och visualisering av komplexa nätverk och grafer
• NumPy – Grund för numerisk och vetenskaplig beräkning
• openpyxl – Läsning, skrivning och redigering av Excel-filer i .xlsx-formatet
• Pandas – Datastrukturer och verktyg för dataanalys
• Plotly – Interaktiva diagram och visualiseringar för Python 3 med klientbaserad renderning i webbläsaren
• RDKit – Cheminformations- och analysverktyg för kemiska strukturer
• Requests – Enkel HTTP-anrop och webbtillgång
• Scikit-learn – Maskininlärning och dataanalys
• SciPy – Vetenskapliga och tekniska beräkningar
• Statsmodels – Statistisk modellering och tester
• SymEngine – Symbolisk matematik

Denna miljö är särskilt lämplig för datadrivna projekt, vetenskapliga applikationer och mer komplexa program.

Python 2 – Klientsidkörning med Skulpt

För snabba experiment direkt i webbläsaren finns en klientsida Python-miljö baserad på Skulpt tillgänglig.
Program körs direkt i webbläsaren utan att kräva ett serverstöd.

Tillgängliga bibliotek

Denna miljö innehåller:

• standardbiblioteken som ges av Skulpt
• pygame – för enkla spelutveckling och grafiska applikationer
• frameCraft – stöd för interaktivt lärande och projektmiljöer

Den webbläsarbaserade Python-miljön är särskilt lämplig för:

• första programmeringserfarenheter
• interaktiva övningar i klassrummet
• lilla spel och grafiska experiment

Utforsk följande artiklar för att upptäcka olika exempel och projekt som visar möjligheterna med Python i båda miljöerna.