Python proqramlaşdırma dilinin tətbiqi perspektivləri
Python 1990-cı ildə Guido van Rossum tərəfindən yaradılan
proqramlaşdırma
dilidir.
Python
dinamik,
avtomatik
yaddaş
idarəetmə xüsusiyyətinə
malikdir
və
Perl,
Ruby, Scheme, Smalltalk, Tcl dillərinə oxşar, s
intaksisi çox aydın və anlaşılandır.
Obyektyönümlü, struktur, funksional proqramlaşdırmanı dəstəkləyən Python dili C
proqramlaşdırma dillərindən fərqli olaraq interpretatorlu bir dildir. İnterpretasiya zamanı
proqramın
hər bir kodu ayrıca translyasiya olunur və dərhal yerinə yetirilir, yəni kodun
translyasiya, kompilyasiya və icrası paralel olaraq yerinə yetirilir. Sonra növbəti kod translyasiya
olunur və yerinə yetirilir və s. Bir sıra başqa dillərdə (C, C++, Paskal və s.) isə proqram
modulunun bütün kodları translyasiya və kompilyasiya olunduqdan sonra yerinə yetirilir.
Pythonda yazılmış proqram digər proqramçılar tərəfindən rahat başa düşülür.
Python proqramlaşma dili Çarpaz (cross) platforması sayəsində bir çox əməliyyat
sistemləri (Unix, Linux, Mac, Windows, Amiga, Sumbian) ilə işləyə bilir. Python
scriptlər veb
və desktop mühitlərində geniş istifadə olunur.
Google,
Youtube,
Yahoo və s. məşhur şirkətlər Python dilindən geniş istifadə edir.
İnternet üzərində araşdırma aparsaq, Python dilinin ilk beşlikdə olduğunu görə bilərik.
Eyni zamanda nüfuzlu tədqiqat mərkəzlərində
(məsələn: CERN ) və elmi araşdırmalarda
geniş istifadə olunur. Buna əsas səbəb onun çoxfunksiyalı modullara və zəngin kitabxanalara
malik olmasıdır. Bunlara misal olaraq, Theano_və_Matplotlibi'>Pandas,
Scikit-Learn,
NumPy, Statsmodels, NLTK
,
SciPy Theano və Matplotlibi göstərmək olar.
Pandas – məlumatların ilkin təhlili üçün proqram paketidir. Bu paketin köməyi ilə məlumat
strukturu yaratmaq, rəqəmsal məlumat cədvəlləri (DataFrame) və dinamik sıralar (Time series)
üzrə əməliyyatlar aparmaq mümkündür.
Scikit-Learn
–
təsnifləşdirmə, reqressiya, klaster təhlili üçün alqoritmlərə malikdir.
NumPy –riyazi funksiyaların geniş kitabxanasıdır.
Rəqəmsal çoxölçülü məlumat massivləri
olan məsələlər üçün funksiyaların kompilyasiyasını təmin edir.
Statsmodels – məlumatların tədqiqi, statistik modellərin qiymətləndirilməsi, funksiyaların
qurulması və statistik testlər üçün moduldur.
NLTK
– bədii
dilin statistik işlənməsi üçün bir sıra proqram kitabxanaları paketidir.
Prototiplərin və tədqiqat sistemlərinin yaradılmasında istifadə olunur.
Theano
–
çoxölçülü məlumat massivlərinə riyazi funksiyaları və ifadələri səmərəli tətbiq etməyə
imkan verir.
SciPy
– riyazi alqoritm və funksiyaları olmaqla NumPy kitabxanasının genişləndirilmiş
formasıdır və Pythonun interaktiv seansı üçün əlavə imkanlara malikdir. Bu isə məlumatların
idarə edilməsi və vizuallaşdırılması üçün istifadəçiyə qrupları (klasları) təqdim etməyə geniş
imkanlar yaradır. SciPy interaktiv seansı ilə məlumatların işlənməsi və MATLAB, IDL, Octave,
R-Lab, SciLab kimi sistemlərin dəstəklənməsi üçün mühit yaradır. SciPy Python üzərində
mürəkkəb proqramların və ixtisaslaşdırılmış əlavələrin işlənib hazırlanmasında güclü
proqramlaşdırma dili hesab edilir və elmi tədqiqat işlərində geniş tətbiq olunur.
Matplotlib
– Python proqramlaşdırma dili üçün ikiölçülü qrafiklər üzrə kitabxanadır və
müxtəlif formatlı, yüksəkkeyfiyyətli şəkillərin yaradılmasında istifadə olunur.
Mövcud kitabxanaların müxtəlif kombinasiyaları böyük məlumatlarla işləmək və
proqnozlar vermək üçün yararlıdır.
Veb proqramlaşdırma üçün Django framework istifadə edilir. Django vasitəsilə istənilən
formada veb-sayt, portal və s. yaradıla bilər. Python kodları vasitəsilə yaradılan sayt, portal və s.
tətbiqlərə dinamiklik verir.
Hazırda aparılan sorğuların elektron versiyaya keçirilməsi müasir dövrün əsas tələbidir.
Bunu reallaşdırmaq üçün Pythonun Kivy modulundan istifadə edilir. Kivy demək olar ki bütün
mobil platformalarda dəstəklənir. Kivy modulunda proqramlaşdırılan sorğular daha dinamik,
çevik və müasir tələblərə uyğun şəkildə yerinə yetirilir.
Elmi-Tədqiqat və İnnovasiyalar Mərkəzi tərəfindən Python proqramlama dilinin əsas iki
istiqamətdə tətbiqi nəzərdə tutulur: mərkəzin yerinə yetirdiyi statistik tədqiqat işlərinin
avtomatlaşdırılmasında və statistik innovasiyaların tətbiqində.
Statistik tədqiqat işlərinin avtomatlaşdırılması: statistik müşahidələrdə məlumatların
təsviri statistikası, əyani statistika (qrafik, diaqram, kartoqram, kartodiaqram və s.), klaster
təhlili, nümunələrin seçilməsi, korrelyasiya təhlili, faktor təhlili, reqressiya təhlili, statistik
müşahidənin keyfiyyətinin qiymətləndirilməsi, yekunlaşdırma, məlumatların təhlili və
sistemləşdirilməsi və s.
Nəticə olaraq demək olar ki, Python proqram dilindən istifadə etməklə
web,mobil,desktop və cihaz proqramlamasında tətbiqlər hazırlamaq mümkündür.