【ChatGPT智能分析】ChatGPT及其操作基础

用ChatGPT自动生成代码，十倍提升工作效率
写好提示词，追求生成的代码不需要修改
纸质图书：《智能分析：ChatGPT+Excel+Python超强组合玩转数据分析》 京东当当
视频课程：点这里，超值套餐，系统学习Python办公自动化

================================================================

1.2 ChatGPT及其操作基础

使用ChatGPT进行实战之前，需要了解什么是ChatGPT，以及具体怎样操作ChatGPT。本节结合实例演示不懂编程的用户怎样用ChatGPT生成代码、用Python运行代码后解决问题。

1.2.1 ChatGPT简介

ChatGPT是一个基于自然语言处理技术的聊天机器人，它使用了美国OpenAI公司发布的GPT模型。
ChatGPT可以通过与用户对话来分析输入信息，理解用户的需求，并回答用户提出的问题。它可以回答一般性的问题、计算机科学领域的问题，还可以为用户提供各种实用信息，如天气预报、新闻动态等等。ChatGPT还可以根据用户的兴趣爱好和历史记录，个性化地为用户提供服务，帮助用户更好地解决问题和获取信息。
ChatGPT使用了深度学习技术，通过大量的数据训练来理解和生成自然语言，这使得它能够更加准确地理解用户的意图并进行回答。ChatGPT还支持多种聊天场景，包括文字、语音、图片等，在不同的场景下都能够快速响应用户请求。

1.2.2 得到想要的答案：提示词简介

ChatGPT是一个聊天机器人，采用问答的方式帮用户解决问题。所以ChatGPT的用法很简单，就是你提问，ChatGPT回答。ChatGPT具有理解上下文的能力，所以可以连续提问。
ChatGPT的工作界面比较简单，一般类似图1-4的样子。在窗口底部的文本框中输入要问的问题，单击文本框右侧带箭头的按钮，ChatGPT就会回答该问题并显示在文本框上方。如图1-4中，问的问题是“怎样写提示词？”，单击按钮后ChatGPT给出回答。

图1-4 使用ChatGPT
用户问的问题称为提示词，英文叫prompt。传说国外有一个崭新的岗位叫prompt engineer(提示词工程师)，该岗位年薪可高达百万，可见提问并不是一件简单的事情。但是把怎样提问研究好了，此间自有颜如玉，此间自有黄金屋！
在文本框中输入提示词“春天即将过去，夏天马上到来，请据此写一首古诗”，单击按钮后，片刻之间，ChatGPT就写出了3首古诗。如图1-5所示。突然想起了某些网络电商假一赔三的郑重承诺。诗的效果有待商榷，但至少没有跑题。

图1-5 用ChatGPT写古诗
在文本框中输入提示词“想写一个pandas教程，请帮我拟定一个大纲”，单击按钮，ChatGPT马上给出一个相对比较专业的教程大纲，如图1-6所示。

图1-6 用ChatGPT写教程大纲

1.2.3 用ChatGPT生成代码

前一小节介绍了ChatGPT的工作方式，展示了它的部分能力。通过输入提示词，ChatGPT可以帮我们写诗、写讲义提纲等，也可以做很多其他的事情。但本书的重点在于让ChatGPT帮我们编程，让不懂编程的同学也能实现办公自动化。
下面结合一个实例来演示用ChatGPT生成代码、将代码复制到Python IDLE编程环境中运行并解决问题的操作过程。
【示例1-2】
下载本书示例数据文件，把Samples目录及目录下的内容复制到D盘下。示例文件为路径 “D:/Samples/ch01/“下的Excel文件”各班学生成绩.xlsx”。该文件打开后如图1-7所示。要求计算各班学生考试成绩的平均分。

图1-7 各班学生成绩

1. ChatGPT提示词模板

新建ChatGPT会话，在提问文本框中输入下面的提示词：
你是pandas专家，文件路径为：D:/Samples/ch01/各班学生成绩.xlsx。该Excel文件的第一个工作表中A-C列为给定数据。A-C列分别为“班级”、“姓名”和“成绩”。用pandas导入Excel文件的数据，引擎为"openpyxl"。请计算各班学生成绩的平均分，平均分保留1位小数。输出各班平均成绩，例如：一班 88.5。添加代码注释。

2. ChatGPT提示词模板说明

模板是可以用于解决同一类问题的，对于具体问题，修改模板中添加下划线的文字即可。

3. 代码

根据提示词得到类似下面的代码：

import pandas as pd  # 导入pandas库

# 设置Excel文件路径和工作表名称
file_path = 'D:/Samples/ch01/各班学生成绩.xlsx'
sheet_name = 'Sheet1'

# 使用pandas读取Excel文件数据
df = pd.read_excel(file_path, sheet_name=sheet_name, engine='openpyxl')

# 按照"班级"列进行分组，并计算每个分组的平均值
avg_scores = df.groupby('班级')['成绩'].mean().round(1)

# 遍历每个班级的平均分并输出
for index, value in avg_scores.items():
    print(f'{index} {value}')

4. 使用代码

打开Python IDLE，新建一个脚本文件，将上面生成的代码复制进去，保存到D:/Samples/1.py。运行脚本，在IDLE Shell窗口输出各班的平均成绩。

>>> == RESTART: D:/Samples/1.py =
一班 90.6
三班 90.1
二班 88.9

5. 本例小结

本例根据示例数据和要解决的问题编写提示词，用提示词生成pandas代码。然后将代码复制到Python IDLE新建的脚本文件中，保存，运行，在IDLE Shell窗口输出计算结果。
操作的整个过程不需要用户懂编程，编程的工作ChatGPT帮他做了，真正实现了办公自动化。整个操作过程中最关键的步骤在于编写提示词。提示词小的变化可能会得到完全不同的代码和结果。1.3节将详细介绍编写提示词的各种技巧。

1.2.4 面向问题重构与提示词模板

上一小节演示了用ChatGPT解决Excel数据分析问题的基本方法。把这个方法推广开来，就可以解决Excel数据分析相关的各种问题。
在这之前，需要做一个工作，就是将Excel数据分析相关的内容按照ChatGPT的工作方式，用面向问题的思想进行重构。得到相关的典型问题后，结合实例优化出解决这些问题的提示词模板。然后在提示词模板的基础上稍作修改解决同类问题。
本书对Excel数据分析相关的内容按照面向问题的方式进行了重构，得到本书目录所示的问题大纲。可以看出，这些问题中尽量避免出现与编程有关的内容，如某某函数等。提示词模板实战将在后续章节中逐步展开。
例如把示例1-1的提示词作为模板时，遇到同类的分类统计问题，只需要修改数据文件有关的内容、分类依据和统计函数，就可以生成对应的代码进行解决。

1.2.5 用ChatGPT做数据分析的主要思想和步骤小结

综合以上各小节的讨论，用ChatGPT生成代码解决数据分析问题的主要步骤总结如下：

1. 将复杂问题按操作步骤分解成单一的简单问题。
2. 对于每个简单问题，确定所属的问题类型。
3. 找到本书以及本人公众号(Excel Coder)提供的针对该问题的提示词模板。
4. 根据具体问题修改模板参数得到新的提示词。
5. 利用新提示词用ChatGPT生成代码解决问题。

以上步骤中，根据使用的语言或工具的不同，有些情况下前面几步可以省略，有些情况下则需要严格遵守上面的步骤，因为这种情况下写提示词往往需要同学具有一定的编程思维和编程逻辑，不懂编程的同学会有困难。有困难的时候就需要能熟练编程的人先把提示词模板写好，然后初学者在模板的基础上修改使用，解决问题。