devbox
小蓝xlanll
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

一个python小白，如何利用chatgpt帮忙写代码？_chatgpt 代码实现

作者：小蓝xlanll | 2024-05-06 08:52:50

赞

踩

chatgpt 代码实现

专栏里前边几篇文章主要是如何使用提示工程更好地与chatgpt聊天，获得需要的数据，即电商评论意图。

而要系统性地实现这个功能，要开始写代码了。

当然如果你的python基础很好，那直接动手就可以了，如果比较薄弱，可以跟着我一起让chatgpt帮你写代码。

一、描述需求

这里我偷懒了，返回的格式直接用提示词，这里可以根据自己需要修改，比如返回的类型、长度之类。 

假如你是一个python工程师，我有一个需求需要你帮我完成代码开发。

需求如下：

第一步：我有500条评论数据，存在数据库的表里，表结构为【ID，评论内容】，我需要从数据库取出这部分数据

第二步：我需要你调用一个使用chatgpt的方法，帮我返回评论意图信息，返回的格式为json：

{

"评论ID":[{

"attempt": （可选值为：[营销体验、服务 、开单发货、物流配送、安装服务、商品体验]）

"sense": （可选值为：[正面、负面、中性]）

"classify": 意图分类不带任何情感极性，举例：是"物流时效"而不是"物流速度快"

"sub_classify": 根据【classify】，返回对应的正面或负面短句描述，而不仅仅是一个词。例classify为'安装技术'，期望得到的子分类是'安装师傅专业'，而不是'专业'。"安装师傅专业"对应"安装师傅不专业"为正负面对应。

"comment": 根据【sub_classify】摘录对应具体的评价内容

},],

}

注意，因为有tokens限制，请帮我把500条评论数据做一个拆分，拆分成5条一组，循环跑完

第三步：我希望把数据转换成df，df的列为【评论ID】【attempt】【sense】【classify】【sub_classify】【comment】并重新插回数据库

它返回了代码

  1. 这个是一个涉及到数据库操作、数据处理、调用API和数据分析的需求，这里我提供一个简单的Python代码片段来完成这个任务。
  2.  
  3. 首先需要注意的是，我们需要确保你的运行环境已经安装了以下的Python库:
  4. - Pandas
  5. - SQLAlchemy (用于数据库操作)
  6. - Requests (用于API调用)
  7.  
  8. 如果没有安装的话，可以通过pip install命令进行安装。
  9.  
  10. 下面是一段示例代码，由于我无法实际连接到数据库和真实的API，所以这个代码只是一个框架，你可能需要根据实际情况进行修改：
  11.  
  12. ```python
  13. import pandas as pd
  14. from sqlalchemy import create_engine
  15. import requests
  16. import json
  17.  
  18. # 定义数据库连接
  19. engine = create_engine('数据库连接字符串')
  20.  
  21. # 从数据库中读取评论数据
  22. sql = "SELECT ID, 评论内容 FROM 评论表"
  23. df = pd.read_sql(sql, engine)
  24.  
  25. # 定义API调用函数
  26. def call_api(comment):
  27.     # 这里是假设的API调用方式，实际情况可能不同
  28.     response = requests.post('API URL', data={'comment': comment})
  29.     return response.json()
  30.  
  31. # 用于存储处理后数据的空DataFrame
  32. df_processed = pd.DataFrame(columns=['评论ID', 'attempt', 'sense', 'classify', 'sub_classify', 'comment'])
  33.  
  34. # 分组处理评论数据
  35. for i in range(0, len(df), 5):
  36.     group = df.iloc[i:i+5]
  37.     for index, row in group.iterrows():
  38.         # 调用API
  39.         result = call_api(row['评论内容'])
  40.         # 处理API返回的数据
  41.         for item in result[str(row['ID'])]:
  42.             df_processed = df_processed.append({
  43.                 '评论ID': row['ID'],
  44.                 'attempt': item['attempt'],
  45.                 'sense': item['sense'],
  46.                 'classify': item['classify'],
  47.                 'sub_classify': item['sub_classify'],
  48.                 'comment': item['comment']
  49.             }, ignore_index=True)
  50.  
  51. # 将处理后的数据插入数据库
  52. df_processed.to_sql('处理后的评论表', engine, index=False, if_exists='append')
  53. ```
  54.  
  55. 这个代码首先从数据库中读取评论数据，然后每5条评论为一组进行处理，对每条评论调用API并处理返回的数据，将处理后的数据存入一个新的DataFrame，最后将这个新的DataFrame插入数据库。
  56.  
  57. 你需要将上述代码中的'数据库连接字符串'、'评论表'、'API URL'、'处理后的评论表'替换为实际的值。

询问截图： 

二、根据实际需求自行修改代码

当然，我并不能直接使用它的代码，比如我的数据库是HANA，那么我就不能直接使用上边的语句，比如我的call_api方法替换成ask_gpt，因为是经过处理过的gpt接口，需要自写方法，这里就不太适用了。

另外关于字段名称我作了改变，这里也可以根据实际情况修改。

根据上边的代码进行整理之后我得出了初版代码：

  1. # 定义数据库连接
  2. import pandas as pd
  3. from sqlalchemy import create_engine
  4.  
  5. # 数据库连接配置
  6. ip = ''
  7. port = '30015'
  8. user = ''
  9. password = ''
  10.  
  11. config_str = "hana://{}:{}@{}:{}".format(user, password, ip, port)
  12.  
  13. engine = create_engine(config_str)
  14. conn_log = engine.connect()
  15.  
  16. # 从数据库中读取评论数据
  17. sql = "sql语句"
  18. df = pd.read_sql(sql, engine)
  19.  
  20. df

我在sql语句中限制了5条，得到了如下的结果（注意，这里我都用了英文，但是我描述的时候是评价内容，这里需要自己修改字段，描述的时候也可以更严谨一些）

三、进一步提问

我发现在我跟gpt的描述中，忘记跟它说了要处理源数据的格式，所以我继续提问并给了示例

我希望把评价内容改变格式再调用chatgpt，格式如下：

comments = '''

{

    "1":"很喜欢"

}

'''

请帮我改写这部分的代码

 返回的结果

  1. 好的，如果你需要将评价内容转换为这种格式再进行API调用的话，你可以修改API调用函数和循环处理部分的代码如下：
  2.  
  3. ```python
  4. # 定义API调用函数
  5. def call_api(comments):
  6.     # 这里是假设的API调用方式，实际情况可能不同
  7.     response = requests.post('API URL', data=comments)
  8.     return response.json()
  9.  
  10. # 分组处理评论数据
  11. for i in range(0, len(df), 5):
  12.     group = df.iloc[i:i+5]
  13.     # 需要将每组评论转换为指定的格式
  14.     comments = {str(row['ID']): row['评论内容'] for index, row in group.iterrows()}
  15.     comments = json.dumps(comments)
  16.     # 调用API
  17.     result = call_api(comments)
  18.     # 处理API返回的数据
  19.     for item in result:
  20.         for sub_item in result[item]:
  21.             df_processed = df_processed.append({
  22.                 '评论ID': item,
  23.                 'attempt': sub_item['attempt'],
  24.                 'sense': sub_item['sense'],
  25.                 'classify': sub_item['classify'],
  26.                 'sub_classify': sub_item['sub_classify'],
  27.                 'comment': sub_item['comment']
  28.             }, ignore_index=True)
  29. ```
  30.  
  31. 这样修改后，每5条评论会被转换为一个json字符串，然后传递给API调用函数。API返回的数据也需要相应地进行处理。

询问截图：  

四、处理报错

先问gpt我应该怎么描述

我出现了一个python报错，你能帮我处理吗？我需要怎么向你提问

  1. 当然，我会尽力帮助你解决 Python 报错的问题。你需要提供以下信息：
  2.  
  3. 1. **错误信息**：请将你遇到的错误信息完整地复制并粘贴在这里。这可能包括错误类型、错误描述、以及错误发生的代码行。
  4.  
  5. 2. **相关代码**：请提供导致错误的相关代码。这可能是一段代码，也可能是一个函数或者一个模块。
  6.  
  7. 3. **你已经尝试的解决方法**：如果你已经搜索过相关错误并尝试了一些解决方法，但还是没有解决问题，请把你尝试过的方法和结果告诉我。
  8.  
  9. 4. **期望的结果**：请描述你运行这段代码的期望结果是什么。这将帮助我更好地理解问题。
  10.  
  11. 请使用 Markdown 格式来格式化你的问题，例如：
  12.  
  13. ```markdown
  14. **错误信息**：
  15. ```
  16. 这是错误信息
  17. ```
  18.  
  19. **相关代码**：
  20. ```python
  21. 这是错误的代码
  22. ```
  23.  
  24. **我已经尝试的解决方法**：
  25. 1. 尝试方法一
  26. 2. 尝试方法二
  27.  
  28. **期望的结果**：
  29. 我希望代码能够这样运行
  30. ```
  31.  
  32. 这样我就能更准确地找到问题并帮助你解决。

 我的简单版本提问：

 1.错误信息：TypeError Traceback (most recent call last) Input In [32], in <cell line: 6>() 11 # 处理API返回的数据 12 for item in result: ---> 13 for sub_item in result[item]: 14 df_processed = df_processed.append({ 15 'ID': item, 16 'attempt': sub_item['attempt'], (...) 20 'comment': sub_item['comment'] 21 }, ignore_index=True) TypeError: string indices must be integers

2.相关代码： # 分组处理评论数据 for i in range(0, len(df), 5): group = df.iloc[i:i+5] comments = {str(row['id']): row['comments'] for index, row in group.iterrows()} comments = json.dumps(comments) status_code, result = ask_gpt(comments,assistant_id) # 处理API返回的数据 for item in result: for sub_item in result[item]: df_processed = df_processed.append({ 'ID': item, 'attempt': sub_item['attempt'], 'sense': sub_item['sense'], 'classify': sub_item['classify'], 'sub_classify': sub_item['sub_classify'], 'comment': sub_item['comment'] }, ignore_index=True)

 它给了我一些信息

  1. 根据你提供的错误信息和代码片段，错误是出在这样一行代码：
  2.  
  3. ```python
  4. for sub_item in result[item]:
  5. ```
  6.  
  7. 错误信息是“TypeError: string indices must be integers”，意思是字符串索引必须是整数。这意味着`result[item]`是一个字符串，而不是你可能期望的列表或字典。
  8.  
  9. 检查你的代码，你在处理API返回的数据时，似乎期待`result`是一个字典，`result[item]`是一个列表或字典，然后你可以遍历每一个`sub_item`。
  10.  
  11. 这个问题可能的原因有两个：
  12.  
  13. 1. API返回的数据格式不是你期望的格式，可能`result`或`result[item]`是一个字符串，而不是一个字典。
  14.  
  15. 2. `item`在`result`中可能并不是一个有效的键。
  16.  
  17. 可以尝试以下方法来找出问题：
  18.  
  19. - 打印`result`和`result[item]`来查看他们的实际值和类型。
  20.  
  21. ```python
  22. print(type(result))
  23. print(result)
  24. print(type(result[item]))
  25. print(result[item])
  26. ```
  27.  
  28. - 检查`item`是否在`result`中是一个有效的键。
  29.  
  30. ```python
  31. print(item in result)
  32. ```
  33.  
  34. 希望这些信息对你有所帮助。如果还有其他问题，欢迎继续提问。

我希望他帮我改写代码： 

 你可以直接帮我改写出正确的代码吗

  1. 非常抱歉，由于我无法看到`ask_gpt`函数的具体实现和返回的具体数据，我无法直接给出正确的代码。我可以给你一些可能的改进方向。
  2.  
  3. 在这段代码中，你似乎期望`result`是一个字典，`result[item]`是一个字典或列表。你可以在处理API返回的数据之前，先检查`result`和`result[item]`的类型。
  4.  
  5. ```python
  6. status_code, result = ask_gpt(comments,assistant_id) 
  7.  
  8. # 检查 result 类型
  9. if not isinstance(result, dict):
  10.     print(f"Unexpected type {type(result)} for result.")
  11.     continue
  12.  
  13. # 处理API返回的数据
  14. for item in result:
  15.     # 检查 result[item] 类型
  16.     if not isinstance(result[item], (list, dict)):
  17.         print(f"Unexpected type {type(result[item])} for result[{item}].")
  18.         continue
  19.  
  20.     for sub_item in result[item]:
  21.         df_processed = df_processed.append({
  22.             'ID': item,
  23.             'attempt': sub_item['attempt'],
  24.             'sense': sub_item['sense'],
  25.             'classify': sub_item['classify'],
  26.             'sub_classify': sub_item['sub_classify'],
  27.             'comment': sub_item['comment']
  28.         }, ignore_index=True)
  29. ```
  30.  
  31. 在这个修改后的代码中，我添加了类型检查。如果`result`或`result[item]`的类型不是你期望的，它将输出一个错误消息，并跳过当前循环，避免类型错误。
  32.  
  33. 希望这个修改对你有所帮助！如果你还有其他问题或者需要进一步的解释，欢迎告诉我！

 修改完之后还是报错，我把局部的代码和问题发给gpt，在同一次对话中，gpt会上下文自行联系。

1.相关代码：print(result[item])

2.错误信息：报错信息太长了略，复制自己的报错信息即可

  1. 谢谢你提供的详细信息。从你的输出来看，`result`是一个字符串，而不是字典。这就是为什么你不能用`result[item]`来访问其元素，因为`item`是一个字符串而`result`也是一个字符串。
  2.  
  3. `result`实际上是一个JSON格式的字符串，你需要将其转换为Python的字典才能进行进一步的处理。你可以使用`json.loads()`函数来将JSON字符串转换为字典。下面是修改后的代码：
  4.  
  5. ```python
  6. import json
  7.  
  8. # 分组处理评论数据
  9. for i in range(0, len(df), 5):
  10.     group = df.iloc[i:i+5]
  11.     comments = {str(row['id']): row['comments'] for index, row in group.iterrows()}
  12.     comments = json.dumps(comments)
  13.     status_code, result = ask_gpt(comments,assistant_id) 
  14.  
  15.     # 将 result 转换为字典
  16.     result = json.loads(result)
  17.  
  18.     # 处理API返回的数据
  19.     for item in result:
  20.         for sub_item in result[item]:
  21.             df_processed = df_processed.append({
  22.                 'ID': item,
  23.                 'attempt': sub_item['attempt'],
  24.                 'sense': sub_item['sense'],
  25.                 'classify': sub_item['classify'],
  26.                 'sub_classify': sub_item['sub_classify'],
  27.                 'comment': sub_item['comment']
  28.             }, ignore_index=True)
  29. ```
  30.  
  31. 这样的修改应该能解决你的问题。如果你还有任何问题，欢迎继续提问。

根据gpt提供的报错信息以及语句，我初步完成了我的代码，并获得了我需要的格式以及结果。 

最终版本的代码（注意：ask_gpt调用了经过封装后的接口，不具普遍适用性，这里不作代码展示）

  1. # 用于存储处理后数据的空DataFrame
  2. df_processed = pd.DataFrame(columns=['ID', 'attempt', 'sense', 'classify', 'sub_classify', 'comment'])
  3. assistant_id = "××××××××××"#这个是
  4.  
  5. # 分组处理评论数据
  6. for i in range(0, len(df), 5):
  7.     group = df.iloc[i:i+5]
  8.     comments = {str(row['id']): row['comments'] for index, row in group.iterrows()}
  9.     comments = json.dumps(comments)
  10.     status_code, result = ask_gpt(comments,assistant_id) #这里的方法是封装后的，比较个性化，不作展示，大家可以根据实际情况进行调整
  11.     # 将 result 转换为字典
  12.     result = json.loads(result)
  13.  
  14.     # 检查 result 类型
  15.     if not isinstance(result, dict):
  16.         print(f"Unexpected type {type(result)} for result.")
  17.  
  18.     # 处理API返回的数据
  19.     for item in result:
  20.         # 检查 result[item] 类型
  21.         if not isinstance(result[item], (list, dict)):
  22.             print(f"Unexpected type {type(result[item])} for result[{item}].")
  23.             continue
  24.  
  25.         for sub_item in result[item]:
  26.             df_processed = df_processed.append({
  27.                 'ID': item,
  28.                 'attempt': sub_item['attempt'],
  29.                 'sense': sub_item['sense'],
  30.                 'classify': sub_item['classify'],
  31.                 'sub_classify': sub_item['sub_classify'],
  32.                 'comment': sub_item['comment']
  33.             }, ignore_index=True)

结果展示： 

 五、增加注释

请帮我把这段代码的关键节点加上注释：

【需要加注释的代码内容】 

  1. 这段代码是在处理一些评论数据，并且把处理后的结果存储到一个新的DataFrame中。这个过程包括调用一个名为`ask_gpt`的函数进行处理，然后把结果转换为我们需要的格式。下面是这段代码的关键节点注释：
  2.  
  3. ```python
  4. # 初始化一个用于存储处理后数据的空DataFrame
  5. df_processed = pd.DataFrame(columns=['ID', 'attempt', 'sense', 'classify', 'sub_classify', 'comment'])
  6.  
  7. # 这是你的助手ID，用于调用ask_gpt函数
  8. assistant_id = "××××××××××"
  9.  
  10. # 开始分组处理评论数据，每5行为一组
  11. for i in range(0, len(df), 5):
  12.     # 获取当前的评论组
  13.     group = df.iloc[i:i+5]
  14.     # 把评论组转换为字典，键为id，值为评论
  15.     comments = {str(row['id']): row['comments'] for index, row in group.iterrows()}
  16.     # 把字典转换为JSON字符串
  17.     comments = json.dumps(comments)
  18.     # 调用ask_gpt函数处理评论，返回状态码和结果
  19.     status_code, result = ask_gpt(comments,assistant_id) 
  20.     # 把结果从JSON字符串转换回字典
  21.     result = json.loads(result)
  22.  
  23.     # 检查结果是否是字典类型
  24.     if not isinstance(result, dict):
  25.         print(f"Unexpected type {type(result)} for result.")
  26.  
  27.     # 开始处理API返回的数据
  28.     for item in result:
  29.         # 检查每一项数据是否是列表或字典类型
  30.         if not isinstance(result[item], (list, dict)):
  31.             print(f"Unexpected type {type(result[item])} for result[{item}].")
  32.             continue
  33.  
  34.         # 从每一项数据中提取需要的字段，然后添加到处理后的DataFrame中
  35.         for sub_item in result[item]:
  36.             df_processed = df_processed.append({
  37.                 'ID': item,
  38.                 'attempt': sub_item['attempt'],
  39.                 'sense': sub_item['sense'],
  40.                 'classify': sub_item['classify'],
  41.                 'sub_classify': sub_item['sub_classify'],
  42.                 'comment': sub_item['comment']
  43.             }, ignore_index=True)
  44. ```
  45.  
  46. 这段代码的主要目标是从原始的评论数据中提取有用的信息，然后把这些信息以结构化的方式存储到一个新的DataFrame中，方便后续的分析和使用。

 据此，我依靠chatgpt用python实现了基本功能。

实际上，我们也不能一味地依赖chatgpt，最好是如果在掌握一门语言的基础知识基础上，再用chatgpt帮忙解决一些比较难的问题，这样更会事倍功半。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小蓝xlanll/article/detail/543414
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号