ChatGPT 在数据科学中的应用

ChatGPT 可以成为数据科学家的绝佳工具。以下是我所了解到的关于它擅长的地方和不那么擅长的地方。

---

我从使用 ChatGPT 中学到了一个教训。它在数据科学中非常有帮助，但你必须仔细检查它输出的所有内容。它非常适合某些任务，并且可以非常快速准确地完成它们。对于其他一些任务，它已经足够好了，您必须多次提示它。我发现 ChatGPT 在一项任务上非常糟糕。

擅长：自动执行数据探索

您可以将您的数据集附加到 ChatGPT 消息中，通过给出一些简单的说明，ChatGPT 可以为您探索数据。

例如，我可以从这个数据项目中获取一个数据集。我给出的指示是：

“使用附加的数据进行描述性统计分析。包括以下内容：

• 汇总基本统计数据（平均值、中位数、标准差等）。
• 识别缺失值并提出处理它们的策略。

它返回如下所示的摘要。它对每个变量执行相同的计算。

年龄：

• 平均值： 28.79 years
• 标准差： 6.94 年
• 范围：18至50年

它还未识别数据集中的缺失值。

如果还需要用于这些计算的 Python 代码，则可以提示它编写它们。

若要加载数据集，请使用此代码。

aerofit_data = pd.read_csv(file_path)

对于基本统计数据，它给出了这个。

basic_stats = aerofit_data.describe()

您可以使用此代码检查缺失值。

missing_values = aerofit_data.isnull().sum()

很棒：创建可视化效果

此外，我可以要求 ChatGPT 可视化关键变量的分布，并检测潜在的异常值和异常情况。

它为关键变量创建直方图和箱形图：年龄、收入和里程。它检测到收入和里程分布中可能存在的异常值。