如何用ChatGPT和Tableau将数据转化为可视化图表？

今日份知识你摄入了么？

当你试图理解大量数据时，你是不是感觉不知所措？

你并不孤单！因为我也有过这样的经历，所以我找到一个解决方案，在本文中和大家分享一下。

今天就来谈谈我是如何使用ChatGPT和Tableau创建美丽而有意义的可视化图表的！拿一杯咖啡，我们开始吧！

为什么我认为数据可视化很重要？

它可以帮助我们更容易地理解和解释数据。作为人类，当信息以视觉形式呈现时，可以更好地处理信息。

根据麻省理工学院的一项研究，人类大脑处理视觉信息的速度比处理文本快6万倍。这就是为什么当我必须根据数据做出决定时，我总是更喜欢以可视化的形式看到它，它可以帮我识别模式、趋势和异常值。

此外，数据可视化有助于将数据传达给更广泛的受众。正如爱因斯坦曾经说过的，“如果你不能简单地解释它，那你就不够了解它。”通过创建可视化，我们可以以简单直观的方式解释复杂的数据，让没有技术背景的人也可以访问它。

我想分享的一个个人建议是，在创建可视化时始终牢记你的受众。

• 问问你自己，谁是你的目标受众？

• 他们的需求和目标是什么？

• 你想传达什么信息？

通过这样做，你可以创建不仅美观而且有意义和有影响力的可视化效果。

我认为ChatGPT和Tableau有什么帮助？

ChatGPT是一种人工智能语言模型，可以对用户输入生成自然语言响应。Tableau是一个数据可视化工具，使用户能够创建交互式和美观的可视化图表。这是我要做的：

• 第一步：我将使用ChatGPT生成数据摘要。这可以帮我快速了解数据，并确定任何重要的模式或趋势。

• 第二步：我将使用Tableau创建一个可视化。我可以使用ChatGPT提供可视化的描述，并解释我在数据中看到的任何趋势或模式。

• 第三步：我将ChatGPT与Tableau集成，使可视化具有交互性。例如，我可以使用ChatGPT来回答有关数据的问题或提供额外的见解。

通过使用ChatGPT和Tableau，我可以创建可视化，不仅看起来很棒，而且还为我的受众提供有价值的见解。

代码片段和工具对比表

以下是一些代码片段，可以帮助你开始将ChatGPT与Tableau集成。

使用ChatGPT生成数据摘要的Python代码

import openaiopenai.api_key = "YOUR_API_KEY"model_engine = "davinci"
def summarize_data(data):  prompt = f"Summarize the following data: {data}"  response = openai.Completion.create(    engine=model_engine,    prompt=prompt,    max_tokens=1024,    n=1,    stop=None,    temperature=0.7,  )  summary = response.choices[0].text.strip()  return summary

以下是不同数据可视化工具之间的比较表示例：

常见问题：

• 问：ChatGPT可以帮助数据清理和预处理吗？

• 答：是的，ChatGPT可以通过生成数据清理步骤的建议或识别数据中可能需要进一步调查的模式来帮助进行数据清理和预处理。

• 问：将ChatGPT与Tableau集成有困难吗？

• 答：不，将ChatGPT与Tableau集成并不难。你可以使用Tableau的web创作功能在可视化中嵌入ChatGPT响应。

• 问：如何开始使用Tableau？

• 答：你可以通过下载免费试用版或使用免费的Tableau公共版开始使用Tableau。Tableau还提供了大量的文档和在线教程来帮助你入门。

总之，数据可视化是理解和交流数据的重要工具。

通过使用ChatGPT和Tableau，我们可以创建交互和有意义的可视化。有了正确的工具和思维方式，数据可视化可以变得有趣和简单。我希望这篇文章能激励你在你的下一个数据可视化项目中尝试ChatGPT和Tableau !

有了这些工具，你可以将数据可视化技能提升到一个新的水平。

图片来自Unsplash，作者s.h.g ue

正如乔布斯曾经说过的：“设计不仅仅是外观和感觉，设计就是它的工作方式。”数据可视化也是如此。这不仅仅是为了让东西看起来漂亮，而是为了让它们为你和你的观众服务，你可能会对自己的创作感到惊讶。

如果你遇到困难或需要灵感，网上有无数的资源可以帮助你。祝你好运，可视化快乐！

以下是将ChatGPT与Tableau集成的步骤：

• 第1步：首先，你需要设置OpenAI帐户并生成API密钥。此API密钥将用于访问ChatGPT。

• 步骤2：接下来，你需要安装Tableau Web数据连接器。这个连接器允许你在Tableau可视化中嵌入ChatGPT响应。

• 步骤3：一旦安装了连接器，就可以在Tableau中创建一个新的Web Data connector数据源。

• 步骤4：在Web Data Connector数据源中，你可以为ChatGPT API端点提供URL。然后可以使用ChatGPT API生成对用户输入的响应。

• 步骤5：最后，你可以使用这些ChatGPT响应来填充你的Tableau可视化。例如，你可以使用ChatGPT提供关于特定数据点的额外见解，或者回答有关数据的问题。

总之，数据可视化是理解和交流数据的重要工具。

通过结合使用ChatGPT和Tableau，你可以将数据可视化技能提升到一个新的水平。有了正确的心态和工具，数据可视化可以变得有趣和简单。那么，你还在等什么？今天就试试ChatGPT和Tableau吧！

使用ChatGPT的强大功能来生成数据的见解和描述，并将其与Tableau的多功能性和交互性相结合，以创建令人惊叹和信息丰富的可视化。

通过利用无穷无尽的在线可用资源，你可以扩展你在数据可视化方面的知识和技能，并使用它来做出明智的决策。

不要害怕尝试和尝试新的技术和工具，数据可视化的世界在不断发展，总有新的东西需要学习。只要有一点创造力和想象力，你就可以把任何数据集变成令人惊叹的、富有洞察力的可视化，让你的观众坐直了腰，并注意到。

以下是将ChatGPT与Tableau集成的步骤：

• 步骤1：注册OpenAI API密钥并安装OpenAI Python模块。

• 步骤2：创建一个Python脚本，向OpenAI API发送请求并接收响应。

import openaiopenai.api_key = "YOUR_API_KEY"
def generate_response(prompt):    model_engine = "davinci"    response = openai.Completion.create(        engine=model_engine,        prompt=prompt,        max_tokens=1024,        n=1,        stop=None,        temperature=0.7,    )    return response.choices[0].text.strip()

• 步骤3：安装Tableau Web数据连接器。

• 步骤4：创建一个新的Tableau Web Data Connector数据源。

• 步骤5：在Web Data Connector数据源中，为Python脚本提供URL。

import requestsfrom flask import Flask, request, jsonify
app = Flask(__name__)@app.route('/generate', methods=['POST'])def generate():    prompt = request.form.get('prompt')    response = generate_response(prompt)    return jsonify(response=response)if __name__ == '__main__':    app.run()

• 步骤6：使用ChatGPT响应数据填充你的Tableau可视化。

import requests
def generate_response(prompt):    data = {'prompt': prompt}    response = requests.post('http://localhost:5000/generate', data=data)    return response.json()['response']

就是这样！通过以下步骤，你可以将ChatGPT与Tableau集成，并使用它来生成有助于增强数据可视化的响应和见解。

数据可视化快乐！希望你喜欢这篇文章。如果你有任何问题或意见，请在下方留言。如果你觉得这篇文章有帮助，请与你的朋友和同事分享。

原文作者：Gabe Araujo, M.Sc.

翻译作者：过儿

美工编辑：过儿

校对审稿：Chuang

原文链接：https://medium.datadriveninvestor.com/chatgpt-tableau-my-data-visualization-journey-3122e35be937

本周公开课预告

往期精彩回顾

点「在看」的人都变好看了哦

点击“阅读原文”查看数据应用学院核心课程