用好这八条ChatGPT指令，高效完成Pandas任务-51CTO.COM

我们都听说过ChatGPT。它不仅受到科技行业的关注，而且在更多广泛的媒体上成为头条新闻。

尽管有一些关于它在较简单任务上的性能和可靠性的批评，但ChatGPT相比较于其他大型语言模型（LLM）在各种任务中表现都很出色，已经成为生产力的重要推动力。

将ChatGPT用于Pandas数据清洗和分析，可以大大提高生产力。本文将分享8个提示示例，介绍如何询问ChatGPT以完成Pandas任务。

第一个提示：定义其角色

首先的提示要确定其作用：

提示：你是一名教我使用Pandas库的Python导师。我将会问你如何使用Pandas执行特定任务，并期望你能向我解释。同时，请在你的解释中给我展示代码。

在开始提问之前，我给出了DataFrame的结构，包括列名和数据类型。

第二个提示

提示：让我先告诉你我所拥有的DataFrame的情况。然后，我将开始提问。以下是以Python字典形式给出的列名和数据类型。键表示列名，值表示数据类型。

{‘store’: dtype(‘O’), ‘product_group’: dtype(‘O’), ‘product_code’: dtype(‘int64’), ‘stock_qty’: dtype(‘int64’), ‘cost’: dtype(‘float64’), ‘price’: dtype(‘float64’), ‘last_week_sales’: dtype(‘int64’), ‘last_month_sales’: dtype(‘int64’)}

这里使用一个由模拟数据准备的样本数据集。你可以从数据集库repo中下载它（https://github.com/SonerYldrm/datasets）。它的名称是sales_data_with_stores.csv。

以下是为你提供的DataFrame，供你参考：

DataFrame的前5行

现在我们可以开始进行Pandas任务了。

示例 1

提示：告诉我如何计算每个商店上周销售额的平均值。

这是一个简单的一行代码，但如果你刚开始学习Pandas，可能仍然需要一些时间才能弄清楚。以下是ChatGPT给出的答案：

ChatGPT给出的测试代码片段，复制粘贴如下所示。

# 导入pandas
import pandas as pd

# 假设'df'是你的DataFrame
average_sales = df.groupby('store')['last_week_sales'].mean()

ChatGPT还提供了有关代码的执行方式和输出类型的详细解释以及代码。

示例 2

提示：告诉我如何找到每个商店上个月的总利润。

对于这个任务，ChatGPT需要先弄清楚如何计算利润。让我们看看它的响应：

# 计算每个产品的利润
df['last_month_profit'] = (df['price'] - df['cost']) * df['last_month_sales']

# 计算每个商店的总利润
total_profit = df.groupby('store')['last_month_profit'].sum()

示例 3

在处理真实世界的数据时，我们经常会遇到缺失值的挑战。测试ChatGPT如何处理不太直接的任务。

提示：库存数量列中有一些缺失值。我想用该商店的平均库存数量替换缺失值。告诉我如何完成这个任务。

# 计算每个商店的平均库存数量
average_stock_qty_per_store = df.groupby('store')['stock_qty'].transform('mean')

# 用该商店的平均库存数量替换'stock_qty'中的缺失值
df['stock_qty'].fillna(average_stock_qty_per_store, inplace=True)

有多种方法可以解决这个任务，使用transform函数是其中一种较为有效的方式。

transform函数很重要，使用transform函数来完成此任务的理由如下：

transform函数与apply函数类似，但与apply函数不同，transform函数可以返回与输入大小相同的Series，这使得它在执行矢量化操作和广播时非常有用，特别是与groupby对象一起使用时。

示例 4

提示：告诉我如何找到每个店铺上个月销量额最高的前三种产品。

# 首先，按'store'和'last_month_sales'对DataFrame进行排序
df_sorted = df.sort_values(['store', 'last_month_sales'], ascending=[True, False])

# 然后，按'store'分组，并使用apply方法选择每个组的前3行
top_3_products = df_sorted.groupby('store').head(3)

它首先对整个DataFrame进行排序。我们也可以在每个组内进行排序。让我们看看ChatGPT是否知道该如何做到这一点。

示例 5

提示：是否有另一种方法可以在不先对DataFrame进行排序的情况下完成此任务？

def top_3_products(group):
    return group.nlargest(3, 'last_month_sales')

top_3_df = df.groupby('store').apply(top_3_products)

需要注意的是，首先对整个DataFrame进行排序可能是更高效的方法。此示例只是想观察ChatGPT是否能提供不同的解决方案。

示例 6

提示：我想看到每个商店的上周表现与上月表现进行比较。

这是一个简单的任务，但提示并没有直接告诉ChatGPT如何完成。让我们看看它的表现如何。

# 计算上周和上个月每个店的总销售额
total_sales_last_week = df.groupby('store')['last_week_sales'].sum()
total_sales_last_month = df.groupby('store')['last_month_sales'].sum()

# 创建一个新的DataFrame来存储这些信息
performance_df = pd.DataFrame({
    'LastWeekSales': total_sales_last_week,
    'LastMonthSales': total_sales_last_month,
})

# 计算从上个月到上周销售额的变化
performance_df['SalesChange'] = performance_df['LastWeekSales'] - (performance_df['LastMonthSales'] / 4)

作为对上周与上月的表现相比较的反应，它找到了上周销售额与上月销售额四分之一之间存在差异，这是非常合理的。

它创建的DataFrame如下所示：

示例 7

提示：创建一个名为critical_stock的新列，如果stock_qty小于500，则取值为1，否则取值为0。

ChatGPT为这个任务给出了3个选项，以下是我更喜欢的两个：

# 第一种选项
df['critical_stock'] = df['stock_qty'].apply(lambda x: 1 if x < 500 else 0)

# 第二种选项
import numpy as np

df['critical_stock'] = np.where(df['stock_qty'] < 500, 1, 0)

示例 8

提示：以大小、缺失值、数据类型和列统计信息的形式创建一个DataFrame的摘要。

用于总结DataFrame的函数和方法非常简单，但ChatGPT在整理它们时做得非常好，排版整洁明了。

如下的是ChatGPT生成的代码：

# 导入必要的库
import pandas as pd

# DataFrame大小
print("DataFrame Size:")
print(df.shape)
print("\n")

# 缺失值
print("Missing Values:")
print(df.isnull().sum())
print("\n")

# 数据类型
print("Data Types:")
print(df.dtypes)
print("\n")

# 列统计信息
print("Column Statistics:")
print(df.describe(include='all'))

总结

以上示例展示了ChatGPT如何在数据分析中，尤其是在Pandas中，革命性地改变了常见任务的完成方式。它不仅提高效率，还丰富了我们对Pandas中可以完成的复杂操作的理解。