上线就送万倍炮台的捕鱼

書名： AIGC輔助軟件開發：ChatGPT 10倍效率編程實戰
作者名：李柏鋒蘭軍張陽等
本章字數： 3027字
更新時間： 2024-08-19 16:27:23

1.1.3 實踐案例

假設你在編寫一個Python程序時需要實現一個功能：讀取一個CSV文件并計算每列的平均值。在這種情況下，你可以使用ChatGPT來提升編程效率。

1. 代碼自動生成

首先，向ChatGPT描述你的需求，其中，Prompt是“提示詞”，即你向ChatGPT提的問題。例如：

Prompt

我需要一個Python代碼片段，讀取一個CSV文件并計算每列的平均值。

ChatGPT

根據您的需求，我為您提供一個Python代碼片段，用于讀取CSV文件并計算每列的平均值：

以上代碼中，將your_csv_file.csv替換為要處理的CSV文件的路徑即可。這個代碼片段將讀取CSV文件，計算每列的平均值，并將結果保存在一個字典中，其中鍵是列索引，值是對應列的平均值。替換CSV文件路徑有個小技巧：在macOS系統中，選中文件，按Command+Option+C組合鍵，就可以把文件路徑復制到剪貼板上；在Windows系統中選中文件夾或文件，按下Shift鍵，同時右擊，在彈出的菜單中選擇“復制文件地址”，就可直接粘貼到上面的代碼中。

另外，還有個更方便的方法，就是將上面代碼中的文件路徑定義為一個變量，把具體的文件路徑賦值給這個變量。例如，筆者當前的文件路徑是/Users/lanjun/Desktop/gpt/范例文件/average.csv，定義變量的代碼為file_path = '/Users/lanjun/Desktop/gpt/范例文件/average.csv'，把定義變量的代碼加入上述代碼中，就可以運行代碼了。具體如下：

表1-1是用于計算平均值的數據表。

表1-1 用于計算平均值的數據表average.csv

在終端命令窗口運行代碼。先進入Python程序文件和數據文件所在的路徑，文件路徑是/Users/lanjun/Desktop/gpt/范例文件/average.csv。因此，需要先進入范例文件所在的目錄下，再運行計算平均值的Python程序，程序也保存在相同的目錄下，文件名是average.py。依次運行如下命令：

這時，命令終端窗口的界面顯示如圖1-2所示。

圖1-2 在終端窗口運行Python程序計算平均值

如圖1-2所示，我們得到數據表average.csv的平均值，分別是3.5、35.0、10.0、20.0，結合表1-1進行簡單驗證，計算結果正確。

2. 代碼優化

在編寫代碼過程中，如果需要優化代碼，可以隨時向ChatGPT提問。例如，你可以這樣提問：

Prompt

如何用pandas庫來簡化代碼？

ChatGPT

使用pandas庫可以大大簡化讀取CSV文件并計算每列平均值的過程。這是一個使用pandas庫的示例代碼片段：

請確保將your_file.csv替換為你的CSV文件的名稱，比如將your_file.csv替換為/Users/lanjun/Desktop/gpt/范例文件/average.csv，再保存這個文件，文件名為average2.py。

在終端窗口運行命令python average2.py，得到如圖1-3所示的計算結果。

圖1-3 在macOS系統終端運行average2.py后的計算結果

3. 學習新技能

在編寫代碼的過程中，如果遇到不熟悉的庫或函數，可以如下面這樣提問，ChatGPT會給出相應的解釋，幫助你更好地了解和使用這個庫。

Prompt

pandas庫的簡介和主要功能是什么？

ChatGPT

pandas是一個開源的Python庫，它提供了高性能、易于使用的數據結構和數據分析工具。pandas的主要目標是成為Python數據分析領域的基礎高級構建塊。它旨在使數據清洗和分析工作變得快速、簡單和靈活。

pandas庫的主要功能包括：

?數據結構：pandas提供了兩種核心數據結構，即Series和DataFrame。Series表示一維數據，類似于數組或列表，而DataFrame表示二維表格數據，類似于Excel表格、SQL表或R數據框。

?數據讀取與存儲：pandas支持讀取和存儲多種格式的數據文件，如CSV、Excel、JSON、HDF5、SQL等。

?數據清洗：pandas提供了豐富的數據清洗功能，如處理缺失值、重復值、異常值等。

?數據轉換：pandas支持對數據進行各種轉換操作，如數據類型轉換、重命名列、篩選、排序、分組、合并、透視表等。

?數據統計與分析：pandas提供了許多預定義的統計函數，如計算平均值、標準差、最大值、最小值、中位數等。此外，pandas還支持時間序列分析、滑動窗口統計等高級功能。

?數據可視化：pandas可以與matplotlib、seaborn等可視化庫無縫集成，方便用戶對數據進行可視化分析。

?性能優化：pandas底層使用Cython和NumPy進行優化，使得數據操作性能更高。

pandas庫適用于各種數據分析場景，如金融、社會科學、工程、生物科學等領域。pandas可以幫助你快速地進行數據探索、預處理、統計分析和可視化。

4. Bug修復

例如，有這樣一個場景：程序員正在編寫一個Python程序，用于計算列表中所有正數的和。但是，他發現代碼在運行時拋出了一個異常。

首先，準備好有問題的代碼。例如：

將這段代碼輸入ChatGPT中，尋求幫助。ChatGPT會分析代碼，找出其中可能存在的問題。在這個例子中，ChatGPT發現在if語句中缺少了一個冒號。

ChatGPT會為程序員提供修復建議，例如：在第4行的if語句末尾添加一個冒號（:）。

根據ChatGPT的建議，修改代碼如下：

再次運行代碼，發現問題已經解決，輸出結果正確。

通過這個例子，我們可以看到ChatGPT在修復Bug方面的強大能力。它能夠幫助程序員在編程過程中快速定位并修復問題，從而提升編程效率。通過使用ChatGPT，程序員可以更專注于實現核心功能，提高整體開發效率。

5. 代碼模板生成

ChatGPT可以根據程序員的需求生成代碼模板，例如創建一個新的項目結構、生成一組常用的函數庫等。這可以幫助程序員快速啟動新項目，節省時間。

假設程序員希望使用Python語言創建一個命令行工具，這個工具可以讀取一個CSV文件，對數據進行處理并將結果輸出到一個新的CSV文件中。例如：

Prompt

創建一個Python命令行工具，用于讀取CSV文件，處理數據并將結果輸出到新的CSV文件中。

ChatGPT

在這個代碼模板中，ChatGPT生成了一個基本的命令行工具結構，包括讀取CSV文件、處理數據和輸出結果到新的CSV文件的函數。程序員可以根據自己的實際需求，修改process_data函數中的數據處理邏輯，然后運行這個腳本，實現從輸入文件到輸出文件的數據處理過程。

如何具體實現呢？也可以向ChatGPT提問獲得操作步驟。

Prompt

需要運行上面的代碼來檢查效果，在macOS系統中如何具體操作？請給出詳細操作步驟。

ChatGPT

首先，您需要確保您的macOS系統中已經安裝了Python。可以在終端中輸入python -version或python3 -version來查看。如果沒有安裝，您可以訪問Python官方網站下載并安裝。

然后，將上述代碼保存為一個Python文件，例如命名為process_csv.py。

假設您的輸入文件是input.csv，要將輸出寫入output.csv。

下面是在macOS系統中的操作步驟：

1）打開終端。

2）使用cd命令導航到包含process_csv.py、input.csv和output.csv的目錄。例如，如果它們在您的桌面上，那么可以輸入cd ～/Desktop。

3）運行Python腳本并傳遞輸入和輸出文件作為參數。在終端中輸入python3 process_csv.py input.csv output.csv，然后按回車鍵。

4）運行process_csv.py腳本，讀取input.csv文件的數據，處理數據，然后將結果寫入output.csv。

請注意，上述代碼中的process_data函數的數據處理邏輯部分已被注釋掉，您需要根據實際情況替換為您的數據處理邏輯。

根據ChatGPT的回答，我們在目錄下新建兩個CSV文件，分別是保存初始數據的文件input.csv和待寫入數據的文件output.csv，將代碼保存為文件，命令為：python3 process_csv.py。再在終端窗口運行命令python3 process_csv.py input.csv output.csv，結果如圖1-4所示。