来源:Python数据科学
作者:东哥起飞
今天给大家推荐一个牛掰的 Jupter 插件 text2code。
Jupyter 是我几乎每天都用的工具,敲代码也早已习以为常。但是,最近GitHub热榜上出现了这样一个插件,让我有点不知所错了!
这个插件是一个可以 让文本自动转化成代码 的工具,看看下面这波操作有多溜。
Q:what do you want to do?
A:make pie chart of flavor_of_tea from df
简单的 make pie from df 直接就给我画出个饼图来。
其实,Python语言已经把编程的门槛变得很低了,快速入门没难度。而这个插件的出现好像再一次刷新了门槛,它直接可以将我们输入的语言文本翻译成我们想要的代码。
text2code介绍
https://github.com/deepklarity/jupyter-text2code
原理我就不过多介绍了,主要是用了监督学习模型,通过学习自然语言和代码的对应语料,然后进行训练完成的,感兴趣的可以去上面链接自行学习。
支持操作系统
Ubuntu
macOS
插件安装
安装分两种情况,有GPU和无GPU。
GPU安装
$ git clone https://github.com/deepklarity/jupyter-text2code.git
$ cd jupyter-text2code
$ pip install .
仅CPU安装
对于Mac和其他没有nvidia GPU的Ubuntu安装,我们需要在安装时显式设置环境变量。
git clone https://github.com/deepklarity/jupyter-text2code.git
export JUPYTER_TEXT2CODE_MODE="cpu"
cd jupyter-text2code
pip install .
使用说明
打开 Jupyter Notebook
如果安装成功完成,那么将首次从中下载 Universal Sentence Encoder 模型 tensorflow_hub。
单击 Terminal 菜单上显示的图标,以激活扩展名
键入“帮助”以查看存储库中当前受支持的命令的列表
观看演示视频中的一些示例
总结
如果大家感兴趣可以去尝试一下。
话说回来,每次遇到这种智能工具,我是既感到庆幸,又感到可怕。
庆幸的是,这个插件如果好用,那对数据分析师是利好的,可以在某种程度上减轻代码的压力。
可怕的是,朝这个方向和速度发展下去,编程的门槛会越来越低,如果自身核心竞争力再没有提高,仍浮于表面,那未来很可能被取代。
关于失业,我觉得暂时还是可以保住狗头的,但永远不变的就是变化,技术也好,观念也罢,都应该是与时俱进的,打破舒适圈,了解新事物。
---------End---------
顺便给大家推荐下我的微信视频号「价值前瞻」,主要分享读书、成长和投资思考,可以了解不一样的我,欢迎扫码关注。