def summarize_data(data):
prompt = f"Summarize the following data: {data}"
response = openai.Completion.create(
engine=model_engine,
prompt=prompt,
max_tokens=1024,
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：
def generate_response(prompt):
model_engine = "davinci"
response = openai.Completion.create(
engine=model_engine,
prompt=prompt,
max_tokens=1024,
stop=None,
temperature=0.7,
return response.choices[0].text.strip()
@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()
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。你还可以订阅我们的YouTube频道，观看大量大数据行业相关公开课：
https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ
；在LinkedIn上关注我们，扩展你的人际网络！
https://www.linkedin.com/company/dataapplab/
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
June 29, 2023
|
|
Tags:
数据分析
,
数据科学家
