您好！如果你对 GPT 在数据科学中的作用感到兴奋，那你就中大奖了。你有没有想过，除了闲聊，你还可以用它做更多的事情，把它的威力用在数据科学工作上？ 这篇文章为你列出了数据科学的最佳 GPT 技巧，涵盖了从筛选数据到更复杂的深度学习等大量内容。将这些技巧视为你轻松完成数据科学任务的个人捷径。

另请阅读过去一年的生成式人工智能

让我们来分析一下数据科学是怎么回事：

数据科学就是从网络上抓取数据、筛选数据以发现模式、制作炫酷的图表，以及使用机器学习来预测事物。深度学习就像是机器学习中的特殊任务，所以它也有自己的特别之处： 深度学习就是教计算机从实例中自主学习--它超酷，而且更复杂。在介绍技巧之前，我们先来谈谈你能从中得到什么。

有什么好处？

希望是节省了大量时间。另外，你的代码可能会变得更聪明。但是，提醒一下，不要把这些成果直接扔进你的项目中。 \ \ 记住，GPT 是非常棒的，但它要在你的驾驶下才能发光发热。所以，要保持专注，才能发挥它的最大功效。现在，开始数据探索！我使用的是Merlin AI，免费的 GPT 4。 这里有一份不同功能的提示列表，你可以从中找到有用的信息。

另请阅读《生成式人工智能是营销人员的新朋友吗？

数据探索：

• 我想让你计算以下数据的平均值、中位数和模式：[数据集］
• 为我找出以下数据集中的异常值：[数据集］
• 我要你确定以下数据集中变量 A 和变量 B 之间的相关性：[数据集］
• 我要你生成以下数据的统计摘要：[数据集］
• 我想让你在以下数据集中筛选出列 X 大于列 Y 的行：[数据集］

另请阅读现在用人工智能以低于 1 美元的价格构建产品

数据处理：

• 我希望您将以下两个数据集 [dataset1] 和 [dataset2] 合并为一个新列 Z
• 我要你用以下数据集中该列的平均值替换 A 列中的所有空值：[数据集］
• 我要你在以下数据集中创建一列新的列，它是列 X 和列 Y 的和：[数据集］
• 我想让你在下面的数据集中按列 B 以降序排序：[数据集］
• 我想让你使用 Numpy 计算两个数组之间的元素差：[数组1]和[数组2］

另请阅读你应该每天在 LinkedIn 上发布信息吗？

数据可视化：

• 我要你用下面的内容创建一个条形图，以显示 A 列中每个类别的数据频率：[数据集]。
• 我要你用以下数据集生成热图，以显示所有数字变量之间的相关性：[数据集］
• 我想让你使用 Plotly 创建一个交互式可视化散点图，显示以下数据集中的变量 X 和变量 Y：[数据集］
• 我想让你根据以下数据集创建海波对图：[数据集］
• 我想让你在以下数据集中制作一个折线图，显示变量 Z 在一段时间内的变化趋势：[数据集］

有了这些指引，你就可以让 GPT 成为你的数据科学助手了！

常见问题

1.GPT 如何协助完成数据处理任务？

可以提示 GPT 执行各种数据处理任务，如合并数据集、处理空值或创建新列。通过提供具体的指令，用户可以利用 GPT 的语言处理功能进行高效的数据转换。

2.GPT 能否帮助实现高级数据可视化技术？

当然可以。GPT 可以生成创建从条形图到交互式散点图等各种可视化的命令。用户可以要求 GPT 使用 Plotly 或 Seaborn 等流行库，从而简化为其数据创建有见地的可视化表示的过程。

3.GPT 如何促进数据探索和分析？

GPT 通过快速执行统计计算（平均值、中位数、模式）、识别异常值、确定相关性和汇总数据集信息等任务来简化数据探索。它就像一个多功能助手，能快速洞察数据的结构和特征。