做数据分析不求人！借助ChatGPT的12种Python库，轻松搞定高质量图表制作，中文显示无压力

引言

之前我写了2篇文章，介绍新升级后的ChatGPT数据分析功能。

今天深入介绍一下如何用GPT更好地帮助我们做数据分析。

GPT用的数据分析主要是Python库，我问了下GPT，它现在有12种关于数据分析的Python库。

主要数据分析Python库介绍

数据操作与数值计算

1. Pandas：用于数据操作和分析，特别适合处理数据框（DataFrame）。
2. NumPy：用于数值计算，特别适合处理数组和矩阵操作。

基础数据可视化

1. Matplotlib：用于创建静态、动画和交互式可视化图表。
2. Seaborn：基于Matplotlib的统计数据可视化库，适用于绘制复杂的数据可视化图表。

交互式数据可视化

1. Plotly：用于创建交互式图表和仪表板。
2. Bokeh：用于创建交互式和可扩展的网络可视化图表。
3. Altair：基于Vega和Vega-Lite的声明式可视化库，适用于创建复杂且交互性强的图表。

统计建模与机器学习

1. Scikit-learn：用于机器学习和数据挖掘，提供各种分类、回归和聚类算法。
2. Statsmodels：用于统计建模和计量经济学分析。

科学与工程计算

SciPy：用于科学和工程计算，提供许多高效的数值计算算法。

地理数据处理与可视化

Geopandas：用于地理数据的处理和绘图，扩展了Pandas的数据结构以支持地理信息系统（GIS）功能。

网络与图结构分析

NetworkX：用于创建、操作和研究复杂网络和图的结构、动态和功能。

实例分享

这里我使用的提示词是：

---

请用我上传的字体做出我所需要的图表，折线图，中文显示，提供HTML下载链接

图表中通常包含文字的主要部分：

1. 标题
2. 轴标题
3. 图例
4. 数据标签
5. 轴刻度标签
6. 图表说明或副标题
7. 数据源
8. 单位说明
9. 注释

---

简单来说，我将得意黑字体otf文件、CSV表格和上述提示词发给了GPT。

默认生成的表格样式

强调1-9完整要素后的图表样式

不同库生成的图表对比

在GPT的代码运行处理里可以看到它用的是哪一个python库。

Matplotlib 示例

生成的x轴时间格式出错。

Plotly 示例

Seaborn 示例

同样，这里时间格式也出错，让GPT修改后效果如下：

Bokeh 示例

生成的HTML文件中标题的字体未正确显示为得意黑体。

安装其他Python库

使用其他Python库非常简便。

目前，GPT还存在一些小问题，例如系统提示未预装Plotly库。为此，我访问了https://pypi.org/，下载了该库，并指导GPT进行了安装。

解决中文显示问题的配置示例

为了确保生成的图表中的文字不出现乱码，即使不上传中文字体，也可以通过在指令中添加“请进行数据分析，创建{XXX}图，图中文本使用中文”来解决。

执行此命令后，我们可以在代码执行过程中观察到相关设置。

上述代码是配置Matplotlib以正确显示中文字符的常用方法。

1. plt.rcParams['font.sans-serif'] = ['SimHei']

   这行代码的目的是设置图表中非衬线字体的默认选项。font.sans-serif是指定非衬线字体的参数，而['SimHei']是一个字体列表，这里使用的是“黑体”（SimHei），它是一种常用的中文黑体字。通过这样设置，Matplotlib会在绘制图表时，默认使用“黑体”来显示中文字符，从而避免中文显示为乱码。

2. plt.rcParams['axes.unicode_minus'] = False

   此行代码用于处理在图表中显示负号的问题。在默认情况下，Matplotlib使用的是unicode字符来显示负号。然而，这种默认的负号在某些字体中可能显示为方块或者不显示。设置'axes.unicode_minus'为False可以让Matplotlib使用普通的减号('-')代替unicode负号，这样可以确保即使在各种字体环境下，负号也能正确显示。

让GPT记住你喜欢的字体

如果你希望使用特定的字体而不想每次都上传，可以通过创建一个自定义的GPT配置来实现。

下面是我如何设置这种配置的分享：

数据可视化资源推荐

1. Data Viz Project: 提供多种图表类型，并详细说明每种图表的适用场景和制作方法。它的一个显著特点是图表展示风格简约，并且直观地显示了哪种表格输入适合的对应图表。

   网站: datavizproject.com

2. Highcharts: 商业图表库，提供多种可定制的图表类型。这个图表库的设计非常美观，且提供了多种类型的图表。

   网站: https://www.highcharts.com/demo

   此外，它还提供了demo图表的原始表格数据下载选项，方便用户下载并用于练习。

   我截图让GPT做出类似图表。

3. Plotly: 支持Python、R和JavaScript的图表库，适合创建交互式图表。

   网站: https://plotly.com/python/

探索更多数据分析资源

要想更深入了解数据分析，那就需要找到优秀的数据集，这里推荐Kaggle数据集。

https://www.kaggle.com/datasets

Kaggle数据集是由Kaggle平台提供的公开数据资源，涵盖了广泛的领域和主题，供用户下载和使用。这些数据集可用于学习、研究、项目开发和参加竞赛。

数据集的来源

• 公司和组织：许多企业和组织会提供他们的真实数据进行竞赛或共享。
• 政府和公共机构：这些机构提供的开放数据集通常用于社会研究和公共政策分析。
• 个人用户：Kaggle社区中的个人用户也可以上传和分享他们收集和整理的数据集。

数据集的类型

• 结构化数据：如表格数据，常见于CSV文件或Excel表格中。
• 图像数据：包括各种图片和相关标签，用于计算机视觉任务。
• 文本数据：如新闻文章、社交媒体帖子、产品评论等，用于自然语言处理。
• 时间序列数据：如股票价格、传感器数据，用于时间序列分析。

数据集的优势

• 免费和公开：大多数数据集是免费的，用户可以自由下载和使用。
• 高质量和详细描述：数据集通常附带详细的描述和数据字典，帮助用户理解数据。
• 社区支持：用户可以在Kaggle社区中讨论数据集，分享分析结果和经验。

优秀示例数据集

• Titanic: Machine Learning from Disaster：经典的机器学习入门数据集。
• House Prices: Advanced Regression Techniques：用于房价预测的回归分析数据集。
• MNIST：手写数字识别的数据集，广泛用于图像分类任务。

结语

通过3篇文章的介绍，相信大家已经对如何利用 ChatGPT 和Python库进行数据分析有了更深入的了解。ChatGPT为我们提供了一个便捷的交互式界面，让我们可以轻松地探索和实现这些功能。

让我们一起利用好手中的工具，在数据的海洋中尽情遨游，发现隐藏的价值和洞见吧！

欢迎留言分享你的见解。

精选历史文章，请看这里：