Python онлайн с библиотеками: выбираем подходящую платформу

Расширенные примеры использования библиотек в онлайн среде

Рассмотрим несколько подробных сценариев, демонстрирующих установку и работу с библиотеками в облачных платформах.

Пример 1: Визуализация данных с seaborn в Google Colab

Установим библиотеку seaborn и построим пару графиков.

!pip install seaborn
import seaborn as sns
import matplotlib.pyplot as plt

df = sns.load_dataset('tips')
sns.set_theme(style='darkgrid')
sns.relplot(data=df, x='total_bill', y='tip', hue='time', col='sex')
plt.show()

Результат: Отобразится набор графиков зависимости чаевых от суммы счёта, разделённых по полу и времени.

# (графическое изображение, не воспроизводится в текстовом виде)

Пример 2: Работа с базами данных через SQLAlchemy на Replit

Создадим простое приложение, которое сохраняет данные в SQLite.

# Установка библиотеки
pip install sqlalchemy

# Код приложения
from sqlalchemy import create_engine, Column, Integer, String, Sequence
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

engine = create_engine('sqlite:///students.db', echo=True)
Base = declarative_base()

class Student(Base):
    __tablename__ = 'students'
    id = Column(Integer, Sequence('student_id_seq'), primary_key=True)
    name = Column(String(50))
    grade = Column(Integer)

Base.metadata.create_all(engine)
Session = sessionmaker(bind=engine)
session = Session()
student1 = Student(name='Анна', grade=85)
session.add(student1)
session.commit()

# Проверка записи
for s in session.query(Student):
    print(s.name, s.grade)

Результат: Создаётся файл базы данных, добавляется запись, выводится на экран.

Анна 85

Пример 3: Использование библиотеки requests в PythonAnywhere для парсинга

Установим библиотеку и получим содержимое страницы.

pip install --user requests
python -c "
import requests
response = requests.get('https://api.github.com')
print('Status:', response.status_code)
print('Headers:', dict(response.headers))
"

Результат: Вывод кода состояния и заголовков ответа.

Status: 200
Headers: {'content-type': 'application/json; charset=utf-8', ...}

Пример 4: Создание интерактивной карты с folium в Deepnote

Установим библиотеку folium и отобразим карту с меткой.

!pip install folium
import folium

m = folium.Map(location=[55.7558, 37.6173], zoom_start=10)
folium.Marker([55.7558, 37.6173], tooltip='Москва').add_to(m)
m

Результат: В блокноте Deepnote отображается интерактивная карта с центром на Москве и меткой.

# (карта, не отображается в тексте)

Пример 5: Машинное обучение с scikit-learn на Binder

Создадим репозиторий с requirements.txt и построим модель классификации на наборе ирисов.

# requirements.txt
scikit-learn==1.3.0
numpy==1.26.0

# В блокноте:
from sklearn import datasets, model_selection, svm
iris = datasets.load_iris()
X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.2)
clf = svm.SVC()
clf.fit(X_train, y_train)
print('Точность:', clf.score(X_test, y_test))

Результат: Выводится точность модели на тестовой выборке.

Точность: 0.9666666666666667

Дополнительные советы: Для работы с тяжёлыми библиотеками (TensorFlow, PyTorch) лучше выбирать Google Colab, так как он предоставляет GPU/TPU. Для простых скриптов подойдёт Replit или PythonAnywhere. Всегда фиксируйте версии библиотек, чтобы избежать несовместимости при развёртывании на других платформах.