Python 异常中的函数处理
函 数 描 述 warnings.filterwarnings(action,cat...

Python 常见的捕获异常
异常比较有趣的地方是可对其进行处理,通常称之为捕获异常。为此,可使用 try/except 语句。...

Python 异常处理
异常处理是 Python 编程中管理错误和异常情况的重要机制。 合理的异常处理可以增强程序的健壮性...

Python 集合
Python中的集合(set) 概念,与数学课程上所学的集合概念相同。 集合里不会存在重复数据,因...

Python 编程基础 - 字符串和元组
字符串是单个文本字符的列表。对列表的许多操作,也可以作用于字符串: 按下标取值、切片、用于 for...

Python 中的赋值技巧
赋值语句是最基本的,但是也有一些技巧。 序列解包赋值语句见过很多,有的给变量赋...

Python 面向对象 - 类的封装
Python的面向对象, 并没有严格意义上的私有属性和方法, 私有只是一种约定, 隐藏实现的细节,...

Python 类分析
类,用来描述具有相同的属性和方法的对象的集合。 例如,如果在窗外看到一只鸟,这...

Python 元素访问
虽然 __init__ 无疑是目前遇到的最重要的特殊方法,但还有不少其他的特殊方法, 能够完成很多...

Python 学习之变量作用域
在被调用函数内赋值的变量,处于该函数的“局部作用域”。 在所有函数之外赋值的变量,属于“全局作用域...

阅读使用手册


平台的登录与使用,请参考 《用户使用手册》


注册用户账号


若尚未开通科学计算平台使用权限,请 注册用户账号


登陆


第三方账号登录



介绍

为了方便学习Python语言,基于Jupyter技术栈搭建了在线计算环境。 用户使用时以网页形式打开,对照书中内容进行学习,在线编写代码和运行代码,代码的运行结果也会直接显示。如在编程过程中需要编写说明文档,可在同一个页面直接编写,便于作及时的说明和解释。

在数据科学、机器学习及深度学习的领域里,Jupyter是一个强大的工具,它集成了代码编写、可视化展示、文档记录等多种功能于一体,让科学计算变得既直观又高效。 随着数据科学和人工智能领域的不断发展,Jupyter 也在不断更新和完善其功能和性 能。 未来可以期待看到更多创新的特性和工具被加入到 Jupyter 中,从而进一步推动科学计算和数据分析的发展。





平台内核

目前平台提供配置好的计算时内核供运行使用。后期会根据需求增加公用内核及内核中的默认类库。 相关语言运行环境与类库一般由 Conda 库提供最新版本。

  • Python 3.11 [系统]
  • Python 3.12 [Conda]
  • R 4.4 [Conda]


注意事项

  • 平台使用Jupyter技术搭建,登陆认证使用本系统的注册账号。
  • 使用提供一定数量的硬盘空间存储供用户使用。目前限制为 500M 。
Copyright © 立方智算 Since 2025. 工信部ICP备案:吉ICP备2025024314号