想学习用 Python 绘图吗？ChatGPT 将为您提供帮助。
微信搜索关注《Python学研大本营》，加入读者群，分享更多精彩
该项目要求 ChatGPT 教您如何生成用于创建绘图和可视化的 Python 代码。只需简要描述您要创建的绘图，ChatGPT 就会使用流行的 Matplotlib 库生成必要的代码。该工具甚至允许没有编程经验的用户为他们的数据开发专业级的绘图。无论您是研究人员、数据科学家还是学生，ChatGPT 都可以让您在 Python 中轻松创建美观且信息丰富的图表。（由 ChatGPT 生成，稍有改动）。
JupyterNotebook 中的项目在Cognitive Class中免费提供。
openAI到 ChatGPT 的链接https://chat.openai.com/chat
→您需要注册才能使用该服务
询问想要学习的特定兴趣领域。
提问：“教我如何用 Python 绘图”
结果：在 Python 中绘制数据的方法有很多种。下面是一个使用 Python 中流行的数据可视化库 Matplotlib 的简单示例：
# using the provided by chatGPT to run in the notebook
import matplotlib.pyplot as plt
# Sample data
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
# Create a figure and an axes
fig, ax = plt.subplots()
# Plot the data
ax.plot(x, y)
# Add a title
ax.set_title('My Plot')
# Show the plot
plt.show()
这将创建 x 和 y 中数据的简单线图。有许多选项和自定义选项可用于在 Matplotlib 中创建绘图。例如，您可以更改线条的外观、更改轴标签、添加图例等。
以下是有关 Matplotlib 和其他 Python 绘图库的更多信息：Matplotlib 文档：https: //matplotlib.org/stable/index.html
Matplotlib 教程：https: //matplotlib.org/stable/tutorials/index。html
Seaborn，一个基于 Matplotlib 的数据可视化库：https://seaborn.pydata.org/
Plotly，一个用于创建交互式绘图的库：https: //plotly.com/python/
如您所见，ChatGPT 提供介绍性文本和代码块（为方便起见，带有复制图标），并以其他有用信息结束对话。
继续追问
通过简单地询问“用 python 显示更多绘图示例” 。事实上，chatGPT 会记住您之前的对话。
结果：以下是您可以使用 Matplotlib 库在 Python 中创建的更多绘图示例：散点图
import matplotlib.pyplot as plt
# Sample data
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
# Create a figure and an axes
fig, ax = plt.subplots()
# Plot the data
ax.scatter(x, y)
# Add a title
ax.set_title('My Scatter Plot')
# Show the plot
plt.show()
条形图
import matplotlib.pyplot as plt
# Sample data
x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
# Create a figure and an axes
fig, ax = plt.subplots()
# Plot the data
ax.bar(x, y)
# Add a title
ax.set_title('My Bar Plot')
# Show the plot
plt.show()
饼形图
import matplotlib.pyplot as plt
# Sample data
labels = ['Apples', 'Bananas', 'Oranges']
sizes = [30, 45, 25]
# Create a figure and an axes
fig, ax = plt.subplots()
# Plot the data
ax.pie(sizes, labels=labels)
# Add a title
ax.set_title('My Pie Chart')
# Show the plot
plt.show()
请记住，这些只是几个示例，您可以使用 Matplotlib 在 Python 中创建许多其他类型的图。您可以在 Matplotlib 文档中找到更多信息和示例：https: //matplotlib.org/stable/index.html。
让我们从样本数据集中绘制
推荐一些样本数据集
您需要加载数据的初始阶段。我们可以通过询问“你能告诉我 python 初学者的示例数据集吗？”来让 ChatGPT 推荐一些示例数据集。
结果：当然！以下是一些可能对 Python 初学者有用的数据集：
鸢尾花数据集：这是一个小型数据集，包含有关不同种类鸢尾花的信息，包括萼片和花瓣的长度和宽度。它通常用作学习机器学习和数据分析技术的初学者数据集。您可以使用 sklearn.datasets 模块在 Python 中加载 Iris 数据集。
Boston Housing 数据集：该数据集包含波士顿地区的房价信息，包括房屋中值、犯罪率和其他因素。它通常用作学习回归技术的初学者数据集。您可以使用 sklearn.datasets 模块在 Python 中加载 Boston Housing 数据集。
MNIST 数据集：这是一个手写数字的数据集，有 60,000 个训练示例和 10,000 个测试示例。它通常用作学习图像分类技术的初学者数据集。您可以使用 keras.datasets 模块在 Python 中加载 MNIST 数据集。
从这些建议的数据集中，我们选择Iris dataset继续作为样本工作。
加载 iris 数据集作为样本进行处理
我们需要一个合适的表格格式的样本，所以我们要求“加载表格格式的鸢尾花数据”
结果：要在 Python 中以类似表格的格式加载 Iris 数据集，您可以使用 Pandas 库。下面是一个示例，说明如何加载 Iris 数据集并以类似表格的格式显示它：
import pandas as pd
from sklearn import datasets
# Load the Iris dataset
iris = datasets.load_iris()
# Create a DataFrame with the features and target values
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['target'] = iris.target
# Display the DataFrame
print(df)
#--> or we can call the dataset to displace it
df
这将创建一个 Pandas DataFrame，其中 Iris 数据集的特征（萼片长度、萼片宽度、花瓣长度和花瓣宽度）作为列，目标值（鸢尾的种类）作为附加列。
然后，您可以使用常用的 Pandas 函数来操作和分析 DataFrame 中的数据。例如，您可以使用 head() 函数显示 DataFrame 的前几行，或使用 describe() 函数获取数字列的汇总统计信息。
绘制数据集
方便的是，我们可以提出后续问题；在这里我们要求“绘制”
结果：要使用 Matplotlib 绘制 Iris 数据集，您可以使用以下代码：
# --> Trying of the suggestions from ChatGPT
# --> we removed the redundant lines (e.g. loading libraries and importing data) from the suggestion
# Create a figure and an axes
fig, ax = plt.subplots()
# Plot the data, coloring the points by the target values
scatter = ax.scatter(df['sepal length (cm)'], df['sepal width (cm)'], c=df['target'])
# Add a legend
legend = ax.legend(*scatter.legend_elements(), title='Species')
# Add a title
ax.set_title('Iris dataset')
# Show the plot
plt.show()
推荐书单
《Python从入门到精通（第2版）》
《Python从入门到精通（第2版）》从初学者角度出发，通过通俗易懂的语言、丰富多彩的实例，详细介绍了使用Python进行程序开发应该掌握的各方面技术。全书共分23章，包括初识Python、Python语言基础、运算符与表达式、流程控制语句、列表和元组、字典和集合、字符串、Python中使用正则表达式、函数、面向对象程序设计、模块、异常处理及程序调试、文件及目录操作、操作数据库、GUI界面编程、Pygame游戏编程、网络爬虫开发、使用进程和线程、网络编程、Web编程、Flask框架、e起去旅行网站、AI图像识别工具等内容。所有知识都结合具体实例进行介绍，涉及的程序代码都给出了详细的注释，读者可轻松领会Python程序开发的精髓，快速提升开发技能。除此之外，该书还附配了243集高清教学微视频及PPT电子教案。
https://item.jd.com/13284890.html
精彩回顾
微信搜索关注《Python学研大本营》
访问【IT今日热榜】，发现每日技术热点
408
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
