5种方法让ChatGPT生成统计图表,总有一种适合你无论是你ChatGPT免费用户还是Plus用户,都可以通过以上的解决

大家对ChatGPT的印象是它是一个非常强大的文本生成工具,可以你知道吗,它还可以生成各种图表,把各种复杂的数据形象化地展示出来。下面我将介绍4个方法,针对所有ChatGPT用户,不管你是免费用户还是可以随意安装ChatGPT插件的Plus用户,总有一种方法适合你。

CodeInterpreter是OpenAI自研的ChatGPT插件,它可以让ChatGPT写Python代码来实现数据分析和可视化。我们都知道Python在数据分析和可视化方面的强大能力。

它最大的亮点就是可以直接上传文件,你可以把Excel,CSV,PDF等文件直接上传到ChatGPT并开始分析。从基本的Excel可视化到复杂的机器学习建模,都可以通过对话的方式。

来看下我生成的一些图表吧。

词云:

要使用这个插件,首先确保已经激活了ChatGPT插件的功能。

然后去ChatGPT插件商店搜索插件进行安装。

然后搜索关键词"showmediagram"并点击”Install“进行安装。

安装好以后,在输入任何提示词之前,先切换到ChatGPT4。

鼠标停留在"GPT-4"的按钮上会显示一个下拉菜单,在下拉菜单里的选项里点击“Plugins”这个按钮。

然后在ChatGPT4按钮下方的下拉菜单里找到刚才下载的"ShowMeDiagrams"插件并勾选。

然后就可以输入我们的提示词啦。下面我将用这个表格来做演示。表格里的数据和我的提示词都是英文的。建议大家使用英文,在有些情况下用英文跟ChatGPT对话效果会更好。

这样表描述了2023年7月蔬菜和水果产品的销售数据。表格有四列,分别是日期(Date),产品(Product),产品类别(ProductCategory),销量(UnitsSold),销售额(Revenue)。首先,我把表格从Excel里直接复制粘贴到ChatGPT里,让它帮我画一张展示各类目销量的饼图。ChatGPT是这样回复的:

以下是代表每个类别销售额的饼状图:

你可以在一个新的标签中查看此图。

如果你想做任何修改,你可以在线编辑这个图表。

该图的类型是Mermaid语言的饼图。

要查看改进图表的想法,请使用关键短语"显示想法"

要查看其他类型的图表和语言,请使用关键短语"探索图表"

我们点击带有超链接的文字"Youcanviewthisdiagraminanewtab."就可以在新标签页查看这个饼图。

我们点击带有超链接的文字"Youcaneditthisdiagramonlineifyouwanttomakeanychanges."就可以在新标签页里编辑这个饼图。

打开的是一个在线编辑器,左侧的代码是Mermaid语言,修改代码就可以修改这个饼图。如果你不懂Mermaid语言也没关系,你可以继续跟ChatGPT对话,让它帮你把饼图修改成你想要的样子。

我们再来让它生成一个柱状图。我让ChatGPT帮我画一个用于展示各个产品总销量的柱状图,这是它的回复:

同样的道理,你可以打开新的标签页在线查看或者编辑这个柱状图。

和ShowMeDiagrams这个插件类似,Daigr.am也可以生成各种图表。安装和激活的方法在ShowMeDiagrams小节里已经展示过了。我还是用之前用过的表格,向ChatGPT输入相同的Prompt。来看看ChatGPT配合Daigr.am能输出什么内容。

下面是代表每个类别销售的饼状图:你可以在这里查看该图表的互动版本。这个图表代表了每个类别在特定时期的总销量。

右击这个饼图可以另存为svg格式的图片。点击带有超链接的文字"here",可以在新标签页展示这个饼图。和ShowMeDiagrams相比,这个新标签页的饼图带有一些动态效果,当你把鼠标悬停在饼图的不同部分时,它的颜色会发生变化。

还有一个令人眼前一亮的功能就是黑夜模式。点击右上角的太阳形状的图表可以开启或关闭该模式。

我们再让ChatGPT为我们生成一张折线图来反映每天销量的变化趋势。

同样地,点击带有超链接的文字"here",可以在新标签页展示这个饼图。

我们还是用先前的表格为例,让它画一个饼图。

它直接就甩了一个饼图,图中并没有各个类目的销量或者占比。右击图片可以另存为。

再来让它画一个折线图。

相比于之前的Daigr.am,这个折线图就粗糙了些,不仅尺寸比较小,而且上面也没有表明每天的销量数字。

在过去50年里,中国的人口增长和增长率与美国相比如何?

ChatGPT利用Wolfram插件给了两张中美从1970-2021年的人口增长率的折线图。

上述问题如果交给其他图表插件呢?我激活了Daigr.am插件并问它刚才的人口增长率的情况。

ChatGPT说它不能实时访问互联网或数据库,只是用文字描述了下中美人口增长率的走势,并建议去查看世界银行或联合国人口数据库的历史数据。

这就是Wolfram的强大之处,它有很多专业领域的数据库可以调用,并且它的数据经过审核非常可靠,涵盖面也非常广泛,包括人口统计学、经济学、社会学、物理、化学、医学、地理、历史等。

如果你需要把专业领域的数据通过图表呈现出来,不妨试试这个插件吧。

前面介绍的方法都是通过ChatGPT插件,只有Plus用户才可以使用。那么有没有一种方法让所有人都可以用ChatGPT生成图表呢?答案是可以的,你没有听错哦。

我们来直接通过一个案例看看怎样使用这种方法。还是把之前的表格直接复制粘贴到ChatGPT里。

然后让它帮我画一张展示各类目销量的饼图。Prompt如下:

我想让你扮演一个数据分析师的角色。画一个饼状图来表示这两个类别的总销售额。使用Vega-Lite可视化语法。

根据ChatGPT的提示,点击带有超链接的文字"VegaEditor(编辑器)"进入到这个网站:

然后把代码复制粘贴进去就可以生成饼图啦。

点击"Export"按钮可以导出图表,支持多种格式(png,json,svg,pdf,html)。

你也许会遇到把代码复制粘贴进去但是显示为空白的情况,别担心,刷新一下网页就好。

再让它画一张散点图:

创建一个散点图来探索产品与销量,以确定哪些产品是最畅销的。使用Vega-Lite可视化语法。

Vega-Lite是一个用于创建数据可视化的工具,经常被数据科学家、工程师和研究人员所使用。它可以生成各种图表,包括柱状图、折线图、散点图、线状图(LineChart)、流图(Streamgraphs)、环形图、箱型图、地图等等。

有了ChatGPT以后,你不用再学习它复杂的语法,只需要通过对话的形式让ChatGPT生成对于的代码即可,是不是很方便呢?

总之,无论是你ChatGPT免费用户还是Plus用户,都可以通过以上的解决方案来可视化你的数据。纵然你不是数据科学家,也可以利用这些工具把复杂的概念变成吸引眼球的图表。

THE END
1.ChatGPT在数据处理中的应用如何用chatgdp处理csv数据? 在SQL结果中,我没有实际去验证。在Python结果中,使用了describe函数,还是很不错的。我们在Python中概览数据时,就是使用该函数。但是describe函数的结果中已经包含了非空值计数,而ChatGPT又单独计算了一次。 1.2 数据预处理 ? 数据预处理主要包括缺失值填充、重复值删除、异常值删除或替换。接下来看看ChatGPThttps://blog.csdn.net/weixin_41905135/article/details/136232210
2.如何利用CHATGPT分析数据快熟生成文案:无论是小红书、微博还是公众号, Chat GPT都能帮你快熟生成吸引眼球的文案,让你的创作更具有吸引力。自动撰写报告:无论是工作汇报还是项目 只需输入相关指令, Chat GPT就能为你生成结构清晰、内容肺腑的报告。Chat GPT使用技巧 1、准确提问 Chat GPT功能虽然非常强大, 但由于目前Chat GPT数据库http://www.hlwwhy.com/ask/6705610.html
3.chatgpt怎么做统计?Worktile社区2. 数据预处理:对采集到的对话数据进行预处理。预处理包括数据清洗、去除重复对话、去除噪声等步骤,以确保数据的质量和准确性。 3. 统计指标选择:根据分析的目的,选择适当的统计指标来衡量ChatGPT的性能和效果。例如,可以考虑以下指标:生成回答的准确率、可读性、相关性等。 https://worktile.com/kb/ask/539416.html
4.ChatGPT服务器,深度拆解基于此,我们进一步假设:1)考虑到AI大模型预训练主要通过巨量数据喂养完成,模型底层架构变化频率不高,故我们假设每月最多进行一次预训练;2)人类反馈机制下,模型需要不断获得人类指导以实现参数调优,以月为单位可能多次进行。由此我们计算得ChatGPT单月Finetune算力成本至少为1350.4PFlop/s-day。https://www.51cto.com/article/747956.html
5.从ChatGPT爆火看人工智能大势大数据。ChatGPT训练数据集规模巨大,训练数据集包含六类数据,分别是维基百科、书籍、期刊、Reddit链接、Common Craw以及专门的数据集。GPT-3的预训练数据有45TB。ChatGPT训练数据集规模未公开,推测也是百T级别。 大算力。GPT-3的算力需求为3640Petaflop/s-day(假设每秒计算1千万亿次,需要3640天),微软投入5亿美元建https://www.cnii.com.cn/gxxww/zgdxy/ztjj/202304/t20230420_464182.html
6.ChatGPT作为知识库问答系统的问答能力评测与现有的KBQA模型不同,ChatGPT在问答场景下的输出一般是一段包含了答案的文本,难以直接与数据集提供的答案做精确匹配从而得到模型的精准率。而由于采样的数据规模较小,已有的ChatGPT评估工作一般通过人工评价来计算模型的性能。因此,我们需要建立一套大部分自动化的答案评测方法。 https://maimai.cn/article/detail?fid=1777689012&efid=GJoGHmTuTzjbUa7TLdmtDw
7.ChatGPT原理理解和结构解读〖前言〗问了200+个问题后,终于完全搭建起来对Chat@GPT本身的原理理解和结构了解,形成的理解文件90%的内容都是他生成的。但是结构化这篇文章以及深入时刻,是自己完成的。今后的学习和工作可能都需要和他来共同完成了。 1 从概率角度理解生成式模型原理 https://www.jianshu.com/p/0628b1bd2c48