在几秒钟内使用ChatGPT生成令人惊叹的数据可视化
轻松生成令人惊叹的数据可视化，ChatGPT助您一秒完成！
介绍
数据可视化是任何与数据相关工作的人都必备的技能。但是创建漂亮、信息丰富的数据可视化可能需要很长时间，并需要专门的工具。这就是ChatGPT派上用场的地方。通过最新的更新，ChatGPT使得数据可视化比以往任何时候都更快、更容易。
最新的更新显著改进了ChatGPT的体验。现在，您不再需要在原始GPT-4、带有高级分析的GPT4或DALLE-3之间切换选项，只需输入提示，ChatGPT将自动解释您的请求并生成所需的结果。
在这篇博文中，我们将探索如何使用简单的英文提示即时生成各种数据可视化。由于ChatGPT的高级数据分析技术，您不需要处理数据或运行Python代码。我们将介绍简单的饼图和条形图，然后使用真实数据集处理更复杂的可视化任务。
简单可视化
在这部分中，我们将编写一个简单的提示以生成图表。提示中包含以Python字典形式的数据。
饼图
在创建提示之前，请确保您使用的是GPT-4模型，因为它是唯一支持生成可视化的模型。
我们将编写一个提示，根据各种营养数据生成一个饼图可视化。此外，我们要求ChatGPT使用较浅的颜色组合，因为默认的颜色相当亮眼。
提示：根据值{"维生素A":5, "维生素B": 1, "维生素C": 4, "水分": 90} 生成一个饼图，以保持颜色组合较浅。如您所见，我们得到了很好的结果。
如果您想查看生成可视化的Python代码，您需要点击结果末尾的终端图标。
之后，将显示一个窗口，其中包含您可以修改并在自己的计算机上执行的源代码。然而，这一步并非必需，因为ChatGPT将简单运行代码并显示成图像的形式。您可以保存这些图像用于演示或报告。
条形图
在接下来的部分中，我们提供了汽车的二氧化碳排放数据，让ChatGPT发挥其魔力。
提示：生成一个条形图，表示值{"汽车A":30, "汽车B": 25, "汽车C": 20} 的二氧化碳排放量。它添加了标题、x轴和y轴标签，并确保了降序排列。完美！
探索性数据分析
与过度控制ChatGPT的输出相反，您可以要求它独立创建结果，类似于各种Python AutoViz库。只需提供数据集并要求进行完整的探索性数据分析，以生成您需要审查的必要图表。
在我们的案例中，我们提供了一个名为“Customer Shopping Trends（顾客购物趋势）”的数据集，该数据集为消费者行为和购买模式提供了有价值的见解。
提示：对客户购物趋势数据集进行探索性数据分析，并仅显示图形。ChatGPT快速提供了结果，仅需不到一分钟就能处理和分析消费趋势，而我通常需要至少30分钟来编写和运行代码。
您可以通过提供有关您感兴趣的可视化类型的后续提示来改进结果。
提示：通过绘制相关图、条形图、饼图、箱线图和关系图来改进分析。
如果您想看到多层次复杂可视化，您需要专门向ChatGPT提出要求。
提示：使用数据集绘制各种复杂的可视化。
模型评估
数据可视化在模型评估中起着至关重要的作用。在本部分，我们将使用Kaggle的糖尿病数据集，并要求ChatGPT训练和评估多个模型。为了充分发挥ChatGPT的能力，我们将要求它显示混淆矩阵、精确度-召回率以及比较不同模型的图表。
提示：使用目标列"Outcome"训练多个机器学习模型，并且生成的模型评估可视化应包括混淆矩阵、精确度-召回率和模型比较图。<p可以明显看出，chatgpt表现出色。虽然模型在数据集上的表现不佳，但我们对其快速准确的数据可视化能力印象深刻。它可以用于快速分析数据集、回答面试问题或参加作业。
结论
ChatGPT彻底改变了我们如何轻松创建数据可视化。通过其先进的数据分析能力，您可以使用简单的英语提示在几秒钟内生成令人惊叹且有信息量的数据可视化。
在本文中，我们了解了ChatGPT如何根据请求即时生成各种图表，如饼图、条形图、相关矩阵，甚至复杂的关系图。
当要求ChatGPT在糖尿病数据集上训练机器学习模型并生成评估指标和比较图时，它超出了预期。整个模型构建和可视化过程仅需不到一分钟。
无论您需要简单的条形图、高级的模型分析还是快速理解数据集的方法，ChatGPT以最小的努力提供出色的结果。随着能力的不断提高，利用这款AI助手来提升您的数据可视化技能是一个令人兴奋的时刻。
****[Abid Ali Awan](https://www.polywork.com/kingabzpro)****（@1abidaliawan）是一位经过认证的数据科学家，热衷于构建机器学习模型。目前，他专注于内容创作并撰写有关机器学习和数据科学技术的技术博客。Abid拥有技术管理硕士学位和电信工程学士学位。他的愿景是利用图神经网络为心理疾病患者构建一个智能产品。
</p可以明显看出，chatgpt表现出色。虽然模型在数据集上的表现不佳，但我们对其快速准确的数据可视化能力印象深刻。它可以用于快速分析数据集、回答面试问题或参加作业。
