ChatGPT 可以讓任何處理數(shù)據(jù)的人的生活變得更輕松。

ChatGPT 可以做很多很酷的事情，其中之一是編寫代碼。

你只需給出正確的指令，ChatGPT 就會(huì)為你完成這項(xiàng)工作。它可以幫助你使用自然語言創(chuàng)建 SQL 查詢，解決你的編碼問題，將你的 Python 代碼翻譯成 R、Java、Julia 等等。

以下是如何使用 ChatGPT 進(jìn)行編程和數(shù)據(jù)科學(xué)。

1、向ChatGPT提問編碼問題

如果你有編碼問題，你會(huì)去 StackOverflow 希望投票最多的答案之一能解決你的問題。

那么，現(xiàn)在您可以向 ChatGPT 提出相同的問題。比如說，我們忘記了如何在 Python 中合并字典，所以我們問

如何在 Python 中合并字典？

如圖所示，除了給出正確答案外，ChatGPT 還提供了多種合并字典的方案。

但這還不是全部！你可以提出與 pandas、numpy、matplotlib 和其他數(shù)據(jù)科學(xué)庫相關(guān)的問題。

2、將 Python 代碼翻譯成 R

假設(shè)你是一位了解 Python 并且剛接觸 R 的數(shù)據(jù)科學(xué)家。如果你想將 Python 代碼轉(zhuǎn)換為 R，你可以詢問 ChatGPT

將以下函數(shù)從 Python 翻譯成 R：

def get_square ( num ):

return num * num

ChatGPT 不僅可以完成這項(xiàng)工作，而且還很好地解釋了該功能以及如何在 R 中使用它。

對于那些幾乎不知道如何打印“Hello World in R”的人來說非常有用。

但還有更多！如果你在 Python 中使用Pandas并且出于某種原因需要在 R 中復(fù)制你的工作怎么辦？ChatGPT 可以助你一臂之力。

將下列函數(shù)從 Python 翻譯成 R

def get_stats ( event_name ):
df_stats = df[df[ 'event_name' ]==event_name]
stats = df_stats[ 'player_id' ]
stats = stats.value_counts()

return stats

看到結(jié)果后，現(xiàn)在你知道你可以在 R 中使用符號“$”選擇列。

我甚至在 R 中測試了代碼并且運(yùn)行得很好。

3、自然語言轉(zhuǎn)SQL查詢

Open AI 聲稱你可以使用自然語言編寫 SQL 查詢。讓我們來測試一下。

讓我們從一個(gè)簡單的查詢開始。

創(chuàng)建 SQL 查詢以查找居住在上海且年齡超過 30 歲的用戶。

這只是一個(gè)簡單的SQL查詢，我們添加更多的條件來測試一下。

查詢列出過去 3 個(gè)月雇用超過 10 名員工的部門的名稱。以下 SQL 表及其屬性：

# Employee (id, name, department_id)

# Department（id，name，address）

# Salary_Payments(id, employee_id, amount, date)

ChatGPT生成的SQL

SELECT d.name AS department_name
FROM Department d
JOIN Employee e ON d.id = e.department_id
JOIN Salary_Payments sp ON e.id = sp.employee_id
WHERE sp.date >= DATEADD(month, -3, GETDATE())
GROUP BY d.name
HAVING COUNT(DISTINCT e.id) > 10;

4、文本分類

我們還可以使用 ChatGPT 將文本分類為正面情緒/負(fù)面情緒

對這些文本中的情緒進(jìn)行分類：

1.“我熱愛我的工作”

2. “瘋狂的聊天機(jī)器人！”

3.“我的狗很可愛”

4.“我討厭吃香菜”

5、數(shù)據(jù)可視化

我們可以使用 ChatGPT 進(jìn)行可視化。我們只需要指定要使用的編程語言和庫。

使用 matplotlib 用 Python 繪制線性回歸

ChatGPT還列出相應(yīng)的步驟，最后會(huì)完整顯示示例代碼。

import matplotlib.pyplot as plt
import numpy as np
from sklearn.linear_model import LinearRegression

# 準(zhǔn)備數(shù)據(jù)
x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
y = np.array([2, 4, 5, 7, 8, 10, 11, 13, 14, 16])

# 訓(xùn)練線性回歸模型并進(jìn)行預(yù)測
x = x.reshape(-1, 1)
model = LinearRegression().fit(x, y)
y_pred = model.predict(x)

# 繪制數(shù)據(jù)和回歸線
plt.scatter(x, y)
plt.plot(x, y_pred, color='red')
plt.show()

我復(fù)制/粘貼了代碼并得到了下圖。

很酷不是嗎？你可以使用此聊天機(jī)器人做成百上千的事情。