一个python小白，如何利用chatgpt帮忙写代码？

nigulasimao

已于 2023-12-26 10:53:29 修改

阅读量1k

点赞数 12

分类专栏： python chatgpt 文章标签： python chatgpt 开发语言

于 2023-12-26 10:50:38 首次发布

本文链接：https://blog.csdn.net/nigulasimao/article/details/135204949

版权

chatgpt 同时被 2 个专栏收录

7 篇文章 0 订阅

订阅专栏

python

3 篇文章 0 订阅

订阅专栏

专栏里前边几篇文章主要是如何使用提示工程更好地与chatgpt聊天，获得需要的数据，即电商评论意图。

而要系统性地实现这个功能，要开始写代码了。

当然如果你的python基础很好，那直接动手就可以了，如果比较薄弱，可以跟着我一起让chatgpt帮你写代码。

一、描述需求

这里我偷懒了，返回的格式直接用提示词，这里可以根据自己需要修改，比如返回的类型、长度之类。

假如你是一个python工程师，我有一个需求需要你帮我完成代码开发。

需求如下：

第一步：我有500条评论数据，存在数据库的表里，表结构为【ID，评论内容】，我需要从数据库取出这部分数据

第二步：我需要你调用一个使用chatgpt的方法，帮我返回评论意图信息，返回的格式为json：

{

"评论ID":[{

"attempt": （可选值为：[营销体验、服务、开单发货、物流配送、安装服务、商品体验]）

"sense": （可选值为：[正面、负面、中性]）

"classify": 意图分类不带任何情感极性，举例：是"物流时效"而不是"物流速度快"

"sub_classify": 根据【classify】，返回对应的正面或负面短句描述，而不仅仅是一个词。例classify为'安装技术'，期望得到的子分类是'安装师傅专业'，而不是'专业'。"安装师傅专业"对应"安装师傅不专业"为正负面对应。

"comment": 根据【sub_classify】摘录对应具体的评价内容

},],

}

注意，因为有tokens限制，请帮我把500条评论数据做一个拆分，拆分成5条一组，循环跑完

第三步：我希望把数据转换成df，df的列为【评论ID】【attempt】【sense】【classify】【sub_classify】【comment】并重新插回数据库

它返回了代码

这个是一个涉及到数据库操作、数据处理、调用API和数据分析的需求，这里我提供一个简单的Python代码片段来完成这个任务。

首先需要注意的是，我们需要确保你的运行环境已经安装了以下的Python库:
- Pandas
- SQLAlchemy (用于数据库操作)
- Requests (用于API调用)

如果没有安装的话，可以通过pip install命令进行安装。

下面是一段示例代码，由于我无法实际连接到数据库和真实的API，所以这个代码只是一个框架，你可能需要根据实际情况进行修改：

```python
import pandas as pd
from sqlalchemy import create_engine
import requests
import json

# 定义数据库连接
engine = create_engine('数据库连接字符串')

# 从数据库中读取评论数据
sql = "SELECT ID, 评论内容 FROM 评论表"
df = pd.read_sql(sql, engine)

# 定义API调用函数
def call_api(comment):
    # 这里是假设的API调用方式，实际情况可能不同
    response = requests.post('API URL', data={'comment': comment})
    return response.json()

# 用于存储处理后数据的空DataFrame
df_processed = pd.DataFrame(columns=['评论ID', 'attempt', 'sense', 'classify', 'sub_classify', 'comment'])

# 分组处理评论数据
for i in range(0, len(df), 5):
    group = df.iloc[i:i+5]
    for index, row in group.iterrows():
        # 调用API
        result = call_api(row['评论内容'])
        # 处理API返回的数据
        for item in result[str(row['ID'])]:
            df_processed = df_processed.append({
                '评论ID': row['ID'],
                'attempt': item['attempt'],
                'sense': item['sense'],
                'classify': item['classify'],
                'sub_classify': item['sub_classify'],
                'comment': item['comment']
            }, ignore_index=True)

# 将处理后的数据插入数据库
df_processed.to_sql('处理后的评论表', engine, index=False, if_exists='append')
```

这个代码首先从数据库中读取评论数据，然后每5条评论为一组进行处理，对每条评论调用API并处理返回的数据，将处理后的数据存入一个新的DataFrame，最后将这个新的DataFrame插入数据库。

你需要将上述代码中的'数据库连接字符串'、'评论表'、'API URL'、'处理后的评论表'替换为实际的值。

询问截图：

二、根据实际需求自行修改代码

当然，我并不能直接使用它的代码，比如我的数据库是HANA，那么我就不能直接使用上边的语句，比如我的call_api方法替换成ask_gpt，因为是经过处理过的gpt接口，需要自写方法，这里就不太适用了。

另外关于字段名称我作了改变，这里也可以根据实际情况修改。

根据上边的代码进行整理之后我得出了初版代码：

# 定义数据库连接
import pandas as pd
from sqlalchemy import create_engine

# 数据库连接配置
ip = ''
port = '30015'
user = ''
password = ''

config_str = "hana://{}:{}@{}:{}".format(user, password, ip, port)

engine = create_engine(config_str)
conn_log = engine.connect()

# 从数据库中读取评论数据
sql = "sql语句"
df = pd.read_sql(sql, engine)

df

我在sql语句中限制了5条，得到了如下的结果（注意，这里我都用了英文，但是我描述的时候是评价内容，这里需要自己修改字段，描述的时候也可以更严谨一些）

三、进一步提问

我发现在我跟gpt的描述中，忘记跟它说了要处理源数据的格式，所以我继续提问并给了示例

我希望把评价内容改变格式再调用chatgpt，格式如下：

comments = '''

{

"1":"很喜欢"

}

'''

请帮我改写这部分的代码

返回的结果

好的，如果你需要将评价内容转换为这种格式再进行API调用的话，你可以修改API调用函数和循环处理部分的代码如下：

```python
# 定义API调用函数
def call_api(comments):
    # 这里是假设的API调用方式，实际情况可能不同
    response = requests.post('API URL', data=comments)
    return response.json()

# 分组处理评论数据
for i in range(0, len(df), 5):
    group = df.iloc[i:i+5]
    # 需要将每组评论转换为指定的格式
    comments = {str(row['ID']): row['评论内容'] for index, row in group.iterrows()}
    comments = json.dumps(comments)
    # 调用API
    result = call_api(comments)
    # 处理API返回的数据
    for item in result:
        for sub_item in result[item]:
            df_processed = df_processed.append({
                '评论ID': item,
                'attempt': sub_item['attempt'],
                'sense': sub_item['sense'],
                'classify': sub_item['classify'],
                'sub_classify': sub_item['sub_classify'],
                'comment': sub_item['comment']
            }, ignore_index=True)
```

这样修改后，每5条评论会被转换为一个json字符串，然后传递给API调用函数。API返回的数据也需要相应地进行处理。

询问截图：

四、处理报错

先问gpt我应该怎么描述

我出现了一个python报错，你能帮我处理吗？我需要怎么向你提问

当然，我会尽力帮助你解决 Python 报错的问题。你需要提供以下信息：

1. **错误信息**：请将你遇到的错误信息完整地复制并粘贴在这里。这可能包括错误类型、错误描述、以及错误发生的代码行。

2. **相关代码**：请提供导致错误的相关代码。这可能是一段代码，也可能是一个函数或者一个模块。

3. **你已经尝试的解决方法**：如果你已经搜索过相关错误并尝试了一些解决方法，但还是没有解决问题，请把你尝试过的方法和结果告诉我。

4. **期望的结果**：请描述你运行这段代码的期望结果是什么。这将帮助我更好地理解问题。

请使用 Markdown 格式来格式化你的问题，例如：

```markdown
**错误信息**：
```
这是错误信息
```

**相关代码**：
```python
这是错误的代码
```

**我已经尝试的解决方法**：
1. 尝试方法一
2. 尝试方法二

**期望的结果**：
我希望代码能够这样运行
```

这样我就能更准确地找到问题并帮助你解决。

我的简单版本提问：

1.错误信息：TypeError Traceback (most recent call last) Input In [32], in <cell line: 6>() 11 # 处理API返回的数据 12 for item in result: ---> 13 for sub_item in result[item]: 14 df_processed = df_processed.append({ 15 'ID': item, 16 'attempt': sub_item['attempt'], (...) 20 'comment': sub_item['comment'] 21 }, ignore_index=True) TypeError: string indices must be integers

2.相关代码： # 分组处理评论数据 for i in range(0, len(df), 5): group = df.iloc[i:i+5] comments = {str(row['id']): row['comments'] for index, row in group.iterrows()} comments = json.dumps(comments) status_code, result = ask_gpt(comments,assistant_id) # 处理API返回的数据 for item in result: for sub_item in result[item]: df_processed = df_processed.append({ 'ID': item, 'attempt': sub_item['attempt'], 'sense': sub_item['sense'], 'classify': sub_item['classify'], 'sub_classify': sub_item['sub_classify'], 'comment': sub_item['comment'] }, ignore_index=True)

它给了我一些信息

根据你提供的错误信息和代码片段，错误是出在这样一行代码：

```python
for sub_item in result[item]:
```

错误信息是“TypeError: string indices must be integers”，意思是字符串索引必须是整数。这意味着`result[item]`是一个字符串，而不是你可能期望的列表或字典。

检查你的代码，你在处理API返回的数据时，似乎期待`result`是一个字典，`result[item]`是一个列表或字典，然后你可以遍历每一个`sub_item`。

这个问题可能的原因有两个：

1. API返回的数据格式不是你期望的格式，可能`result`或`result[item]`是一个字符串，而不是一个字典。

2. `item`在`result`中可能并不是一个有效的键。

可以尝试以下方法来找出问题：

- 打印`result`和`result[item]`来查看他们的实际值和类型。

```python
print(type(result))
print(result)
print(type(result[item]))
print(result[item])
```

- 检查`item`是否在`result`中是一个有效的键。

```python
print(item in result)
```

希望这些信息对你有所帮助。如果还有其他问题，欢迎继续提问。

我希望他帮我改写代码：

你可以直接帮我改写出正确的代码吗

非常抱歉，由于我无法看到`ask_gpt`函数的具体实现和返回的具体数据，我无法直接给出正确的代码。我可以给你一些可能的改进方向。

在这段代码中，你似乎期望`result`是一个字典，`result[item]`是一个字典或列表。你可以在处理API返回的数据之前，先检查`result`和`result[item]`的类型。

```python
status_code, result = ask_gpt(comments,assistant_id) 

# 检查 result 类型
if not isinstance(result, dict):
    print(f"Unexpected type {type(result)} for result.")
    continue

# 处理API返回的数据
for item in result:
    # 检查 result[item] 类型
    if not isinstance(result[item], (list, dict)):
        print(f"Unexpected type {type(result[item])} for result[{item}].")
        continue

    for sub_item in result[item]:
        df_processed = df_processed.append({
            'ID': item,
            'attempt': sub_item['attempt'],
            'sense': sub_item['sense'],
            'classify': sub_item['classify'],
            'sub_classify': sub_item['sub_classify'],
            'comment': sub_item['comment']
        }, ignore_index=True)
```

在这个修改后的代码中，我添加了类型检查。如果`result`或`result[item]`的类型不是你期望的，它将输出一个错误消息，并跳过当前循环，避免类型错误。

希望这个修改对你有所帮助！如果你还有其他问题或者需要进一步的解释，欢迎告诉我！

修改完之后还是报错，我把局部的代码和问题发给gpt，在同一次对话中，gpt会上下文自行联系。

1.相关代码：print(result[item])

2.错误信息：报错信息太长了略，复制自己的报错信息即可

谢谢你提供的详细信息。从你的输出来看，`result`是一个字符串，而不是字典。这就是为什么你不能用`result[item]`来访问其元素，因为`item`是一个字符串而`result`也是一个字符串。

`result`实际上是一个JSON格式的字符串，你需要将其转换为Python的字典才能进行进一步的处理。你可以使用`json.loads()`函数来将JSON字符串转换为字典。下面是修改后的代码：

```python
import json

# 分组处理评论数据
for i in range(0, len(df), 5):
    group = df.iloc[i:i+5]
    comments = {str(row['id']): row['comments'] for index, row in group.iterrows()}
    comments = json.dumps(comments)
    status_code, result = ask_gpt(comments,assistant_id) 

    # 将 result 转换为字典
    result = json.loads(result)

    # 处理API返回的数据
    for item in result:
        for sub_item in result[item]:
            df_processed = df_processed.append({
                'ID': item,
                'attempt': sub_item['attempt'],
                'sense': sub_item['sense'],
                'classify': sub_item['classify'],
                'sub_classify': sub_item['sub_classify'],
                'comment': sub_item['comment']
            }, ignore_index=True)
```

这样的修改应该能解决你的问题。如果你还有任何问题，欢迎继续提问。

根据gpt提供的报错信息以及语句，我初步完成了我的代码，并获得了我需要的格式以及结果。

最终版本的代码（注意：ask_gpt调用了经过封装后的接口，不具普遍适用性，这里不作代码展示）

# 用于存储处理后数据的空DataFrame
df_processed = pd.DataFrame(columns=['ID', 'attempt', 'sense', 'classify', 'sub_classify', 'comment'])
assistant_id = "××××××××××"#这个是

# 分组处理评论数据
for i in range(0, len(df), 5):
    group = df.iloc[i:i+5]
    comments = {str(row['id']): row['comments'] for index, row in group.iterrows()}
    comments = json.dumps(comments)
    status_code, result = ask_gpt(comments,assistant_id) #这里的方法是封装后的，比较个性化，不作展示，大家可以根据实际情况进行调整
    # 将 result 转换为字典
    result = json.loads(result)

    # 检查 result 类型
    if not isinstance(result, dict):
        print(f"Unexpected type {type(result)} for result.")

    # 处理API返回的数据
    for item in result:
        # 检查 result[item] 类型
        if not isinstance(result[item], (list, dict)):
            print(f"Unexpected type {type(result[item])} for result[{item}].")
            continue

        for sub_item in result[item]:
            df_processed = df_processed.append({
                'ID': item,
                'attempt': sub_item['attempt'],
                'sense': sub_item['sense'],
                'classify': sub_item['classify'],
                'sub_classify': sub_item['sub_classify'],
                'comment': sub_item['comment']
            }, ignore_index=True)

结果展示：

五、增加注释

请帮我把这段代码的关键节点加上注释：

【需要加注释的代码内容】

这段代码是在处理一些评论数据，并且把处理后的结果存储到一个新的DataFrame中。这个过程包括调用一个名为`ask_gpt`的函数进行处理，然后把结果转换为我们需要的格式。下面是这段代码的关键节点注释：

```python
# 初始化一个用于存储处理后数据的空DataFrame
df_processed = pd.DataFrame(columns=['ID', 'attempt', 'sense', 'classify', 'sub_classify', 'comment'])

# 这是你的助手ID，用于调用ask_gpt函数
assistant_id = "××××××××××"

# 开始分组处理评论数据，每5行为一组
for i in range(0, len(df), 5):
    # 获取当前的评论组
    group = df.iloc[i:i+5]
    # 把评论组转换为字典，键为id，值为评论
    comments = {str(row['id']): row['comments'] for index, row in group.iterrows()}
    # 把字典转换为JSON字符串
    comments = json.dumps(comments)
    # 调用ask_gpt函数处理评论，返回状态码和结果
    status_code, result = ask_gpt(comments,assistant_id) 
    # 把结果从JSON字符串转换回字典
    result = json.loads(result)

    # 检查结果是否是字典类型
    if not isinstance(result, dict):
        print(f"Unexpected type {type(result)} for result.")

    # 开始处理API返回的数据
    for item in result:
        # 检查每一项数据是否是列表或字典类型
        if not isinstance(result[item], (list, dict)):
            print(f"Unexpected type {type(result[item])} for result[{item}].")
            continue

        # 从每一项数据中提取需要的字段，然后添加到处理后的DataFrame中
        for sub_item in result[item]:
            df_processed = df_processed.append({
                'ID': item,
                'attempt': sub_item['attempt'],
                'sense': sub_item['sense'],
                'classify': sub_item['classify'],
                'sub_classify': sub_item['sub_classify'],
                'comment': sub_item['comment']
            }, ignore_index=True)
```

这段代码的主要目标是从原始的评论数据中提取有用的信息，然后把这些信息以结构化的方式存储到一个新的DataFrame中，方便后续的分析和使用。

据此，我依靠chatgpt用python实现了基本功能。

实际上，我们也不能一味地依赖chatgpt，最好是如果在掌握一门语言的基础知识基础上，再用chatgpt帮忙解决一些比较难的问题，这样更会事倍功半。