date
password
icon
hashtag
标题
勘误
type
status
slug
summary
tags
category
URL
AI summary
AI custom autofill
贴文
类型
Status
标签
🪄
Text
Multi-select
这篇文章介绍了如何使用 ChatGPT 生成 Python 代码来优化数据可视化任务。作者建议，为了让 ChatGPT 生成准确的代码，我们需要明确任务、分解复杂的任务、选择正确的 Python 库、使用适当的语言结构以及要求解释。如果您想了解更多关于如何使用 ChatGPT 的信息，请阅读以下内容。
作为一名拥有 20 多年编码经验的 Python 程序员，我已经使用 ChatGPT 几个月了，以优化我的提示工程技能。
为什么？好吧，ChatGPT 在 Python 编码领域找到了一个有价值的地方，尤其是在数据可视化任务方面。
及时的工程流程不仅使编码任务更加精简，而且显着减少了整理低级语法错误和问题的需要，从而提高了程序员的效率和生产力。
为了节省您的时间和精力，这里有一个实用的 5 步框架，可有效提示 ChatGPT 协助 Python 数据可视化任务。
1. 明确你的任务
任务越具体、越详细，ChatGPT 就越容易生成合适的代码片段。
你知道什么时候有人告诉你“只要画点什么”吗？很难弄清楚他们想要什么，对吧？ChatGPT 也是一样——它需要细节！不要含糊地要求它“绘制图表”，而是具体说明你需要什么。
例如，你可以说，“嘿，我需要一个使用 matplotlib 的条形图。它必须展示不同产品在几个季度的销售情况。”
这就像给 ChatGPT 一个详细的食谱来遵循，这使得它更有可能取得成功。
提示 ChatGPT： 嘿 ChatGPT，你能帮我用 matplotlib 创建一个条形图来比较不同产品在几个季度的销售额吗？
ChatGPT 回应： 当然！你有这方面的数据吗？如果是这样，您能否指定数据结构或提供示例？
然后您可以提供数据样本，ChatGPT 将生成适合您的数据集的 Python 代码。
2.分解复杂的任务
在处理复杂的任务时，不要一下子把整个任务丢给它，而是把它分解成小块。
首先要求代码加载数据，然后对数据进行规范化，最后要求它生成热图。这就像拼搭乐高积木——一次拼一件。
这是一个示例对话：
提示 ChatGPT： 嘿 ChatGPT，我需要创建一个 Seaborn 热图。你能先帮我写加载数据的代码吗？
ChatGPT 回应： 当然！您是否有正在使用的特定数据文件？我需要知道格式及其结构。
在完成加载和规范化数据后，您可以继续下一步：
提示 ChatGPT：很好，数据已加载并规范化。现在，你能帮我生成 Seaborn 热图吗？”
ChatGPT 回应： 当然！您对热图有任何特定的偏好，例如配色方案或注释吗？
通过以这种方式提示 ChatGPT，您可以模块化地处理每个步骤，最大限度地减少出现误解的可能性（这种特殊方法来自广泛的第一手经验）
同时，这从长远来看节省了时间（回溯的距离更短）并且降低了代码中 ChatGPT 生成错误的可能性。
3. 利用 Python 库
Python 拥有大量可用于数据可视化的库，包括 matplotlib、seaborn、plotly 和 bokeh。
提示 ChatGPT 时，指定要用于可视化任务的库。
这有助于缩小任务范围，并指导 AI 模型生成与所选库的特定功能和语法一致的代码。
我个人比较偏爱Plotly，所以会特地请ChatGPT给我一个Plotly数据可视化。
Prompt to ChatGPT :使用plotly生成线图来展示股票价格随时间的变化趋势。
选择您的图书馆，选择您的图表，GPT 将快速干净地完成剩下的工作。
4.使用适当的语言结构
成功提示工程的关键之一是使用适当的编程术语和语言结构。
通过将这些元素合并到您的提示中，您可以引导模型获得更准确和具体的输出。
例如，如果您要在 pandas 中创建 DataFrame，请在提示中为 DataFrame 指定您想要的确切结构。
这可能包括有关列数、它们的名称以及它们应包含的数据类型的详细信息。
相信我，随着时间的推移，这会减轻你的痛苦。
例如，如果 ChatGPT 对数据框有明确的定义，那么如果您决定创建一个具有多个数据可视化效果的仪表板，ChatGPT 就可以更轻松地无缝生成这些图表和图形并将它们集成到仪表板中。
这对于多重可视化非常重要——我在这里写了一篇非常受欢迎的文章。
5. 要求解释：
虽然 ChatGPT 在这种情况下的主要功能是生成 Python 代码，但它也可以作为一种有价值的学习工具。
如果您想了解代码背后的过程，请让 ChatGPT 随代码一起提供解释。
这是理解数据可视化库的绝佳学习工具。我已经多次使用它。
例如，您可以这样提示：
ChatGPT 提示： 给我提供使用 plotly 库创建散点图的 Python 代码 ，并解释过程中的每个步骤。
这不仅为您提供了必要的代码，也让我清楚地了解了 Python plotly 散点图数据可视化代码。
结论
ChatGPT 在 Python 数据可视化中的作用标志着 AI 辅助编码领域向前迈出了激动人心的一步。通过有效的提示工程，我们可以利用 ChatGPT 生成准确高效的 Python 代码。
我们在此概述的框架可作为开发人员更有效地使用 ChatGPT 的实用指南，但这只是起点。
提示工程的实践将变得越来越复杂。重要的是现在就了解它，以便在未来的迭代产品上市时为您提供帮助。
作者：John Loewen
- 作者:Inevitable AI
- 链接:https://www.Inevitableai.ltd/article/share51
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。