完美的Python数据可视化的5个AI推动工程习惯

5 AI-driven engineering habits for perfect Python data visualization

优化提示技巧,轻松高效生成可视化图表

Dall-E图像:富有深度色彩的印象派绘画柱状图

数据可视化是数据分析的基石,而Python是这项任务的首选工具。

使用ChatGPT进行模块化提示工程可以消除一些人的入门障碍,并加速其他人生成Python数据可视化代码的过程。

以下是5个提示工程习惯,您可以牢记于心,提高使用ChatGPT协助生成Python数据可视化代码的熟练程度。

1. 掌握具体性的艺术

可操作技巧:

在使用模块化提示ChatGPT时,提示的具体性直接影响生成代码的质量。养成尽可能具体的提示习惯。

示例:

不要使用“为我的数据创建一个图表”这样的通用提示,而是使用“使用Matplotlib创建一个散点图,x轴使用‘column1’,y轴使用‘column2’,数据框命名为‘df’。”这样更具体的提示。

应避免的错误:

避免使用含糊不清的提示。这通常会导致生成的代码过于通用,无法满足您的具体要求。

2. 逐步提示复杂可视化

可操作技巧:

对于复杂的可视化,将任务分解为较小且易处理的提示通常更加有效。这种逐步的方法可以帮助您逐步构建最终的可视化图表。

示例:

如果您正在创建一个多层次的图表,可以从基本图表的提示开始,比如“使用Seaborn创建一条线图,x轴使用‘time’,y轴使用‘sales’,数据框命名为‘df’。”

然后,为每个附加层添加提示,比如“在前面的Seaborn线图上添加一个窗口大小为7天的滚动均值。”

应避免的错误: