ChatGPT!见证AI的力量!

日常瞎掰

  最近网络上出现频率最多的词莫过ChatGPT,这足以说明其受欢迎的程度。那么,它的实力到底如何呢?从网络上出现的帖子也许可以窥见一二。带着这种好奇与崇拜,期待与疑惑的心情,小编注册了一个账户,亲自来感受一下ChatGPT的强大。不得不说使用体验真的很丝滑!聊一聊天就可以把问题解决了,这实力着实让人惊艳!

盗个图先

问题

  小编用python处理数据的过程中遇到一个问题,不知道(哎,技艺不精)如何将三列的pandas数据框(如下所示)转化为对称矩阵形式的数据框。对于这个问题,刚开始使用谷歌搜索了好久,勉强也算找到了解决方法,毕竟3列的数据可以转化为矩阵形式了,但仔细一看就可以知道这并不是对称矩阵,没有完全满足咱们的需求。下面是具体过程:

import pandas as pd
import numpy as np

data = pd.read_csv('nc.anno.summary.txt',sep='\t')
data.head()
  Feature1 Feature2  count
0     tRNA     rRNA    157
1     rRNA     tRNA     64
2     rRNA      CDS     30
3     tRNA     tRNA     20
4     rRNA     rRNA     10

arr = data.pivot(index='Feature1',columns='Feature2', values='count')
arr
Feature2     3UTR  4.5S_RNA  5UTR   CDS   rRNA  sRNA  tRNA
Feature1
3UTR          NaN       NaN   NaN   NaN   13.0   NaN   2.0
4.5S_RNA      NaN       NaN   NaN   NaN    1.0   NaN   NaN
5UTR          6.0       NaN   NaN   NaN    2.0   NaN   NaN
CDS           3.0       NaN   NaN   2.0   10.0   NaN  12.0
RNase_P_RNA   NaN       NaN   NaN   NaN    1.0   NaN   NaN
rRNA          3.0       2.0   5.0  30.0   10.0   4.0  64.0
sRNA          NaN       NaN   NaN   NaN    5.0   NaN   NaN
tRNA          1.0       NaN   NaN  15.0  157.0   NaN  20.0

  虽然上面的过程看似起作用了,但作用不是那么多,因为咱们想要的是对称矩阵形式,可上面转化的结果却是8行7列,明显列中少了RNase_P_RNA条目。看着这结果,一时间不知所措。当然,如果技术好的话完全可以用实力写一个实现过程,但咱还是想着偷个懒用现成的轮子。

ChatGPT

  既然网上不好找答案,那咱们就询问一下大神ChatGPT,看一看是不是网络说的那样有真本事。下面就是跟大神的聊天过程:

  看到回答后,心里不觉发出声音:小样可以啊。再一看这过程好像跟网上搜索的差不多啊,并且给出了过程说明。拷贝代码直接运行,接下来不出意外的话意外就要出现了,很明显这代码有问题,没有指定列的信息肯定会出现下面的错误:

  有错误没关系,直接把错误再仍回去,看看大神的反应:

  大神立马能够意识到错误出现在哪,并给出一个没有问题的代码。这聊天过程着实像在与某个人聊天,利用上下文知道你在说什么主题没有任何跑偏。虽然错误解决了,但这离咱想要的结果还是差那么一点啊:

arr = data.pivot(index='Feature1',columns='Feature2', values='count')
arr
Feature2     3UTR  4.5S_RNA  5UTR   CDS   rRNA  sRNA  tRNA
Feature1
3UTR          NaN       NaN   NaN   NaN   13.0   NaN   2.0
4.5S_RNA      NaN       NaN   NaN   NaN    1.0   NaN   NaN
5UTR          6.0       NaN   NaN   NaN    2.0   NaN   NaN
CDS           3.0       NaN   NaN   2.0   10.0   NaN  12.0
RNase_P_RNA   NaN       NaN   NaN   NaN    1.0   NaN   NaN
rRNA          3.0       2.0   5.0  30.0   10.0   4.0  64.0
sRNA          NaN       NaN   NaN   NaN    5.0   NaN   NaN
tRNA          1.0       NaN   NaN  15.0  157.0   NaN  20.0

  那咱们就接着聊,咱把需求写得更贴切一点,好让大神明白咱们最真实的目的:

  好像还是不符合咱们的需求,并且这段代码适合行列数一致的数据,行列数不同的情况下会出错:

arr = data.pivot(index='Feature1',columns='Feature2', values='count').fillna(0)
np.triu(arr) + np.tril(arr.T, -1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (8,7) (7,8)

  接着,将需求更加细致化,条件限定精确一些:

  终于,大神确切地明白了咱们的需求,并给出了完美的解决办法,咱们将这段代码应用到自己的数据上即可:

pivot_df = data.pivot(index='Feature1', columns='Feature2', values='count')
symmetric_df = pivot_df.add(pivot_df.T, fill_value=0).fillna(np.nan)
symmetric_arr = symmetric_df.fillna(method='ffill', axis=0).fillna(method='ffill', axis=1).fillna(0).values
symmetric_df
             3UTR  4.5S_RNA  5UTR   CDS  RNase_P_RNA   rRNA  sRNA   tRNA
3UTR          NaN       NaN   6.0   3.0          NaN   16.0   NaN    3.0
4.5S_RNA      NaN       NaN   NaN   NaN          NaN    3.0   NaN    NaN
5UTR          6.0       NaN   NaN   NaN          NaN    7.0   NaN    NaN
CDS           3.0       NaN   NaN   4.0          NaN   40.0   NaN   27.0
RNase_P_RNA   NaN       NaN   NaN   NaN          NaN    1.0   NaN    NaN
rRNA         16.0       3.0   7.0  40.0          1.0   20.0   9.0  221.0
sRNA          NaN       NaN   NaN   NaN          NaN    9.0   NaN    NaN
tRNA          3.0       NaN   NaN  27.0          NaN  221.0   NaN   40.0

结束语

  ChatGPT果然没有让咱们失望,而是超出了咱们的预期,这么好的工具不禁让人有一种爱不释手相见恨晚的感觉。聊个天的功夫问题就迎刃而解了,这实力绝对的惊艳!有了这样的工具存在,以后可能不再需要人肉码代码了,而是将更多的时间投入到思考问题本身上面来了。还在等什么,一起来感受AI的力量吧!


往期回顾

ChIPseeker绘图函数借用
R语言书籍免费领
可视化:网络图
可视化:Wordcloud
可视化:Dumbbell Chart

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 180,247评论 5 437
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 75,814评论 2 342
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 128,630评论 0 297
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 48,723评论 1 254
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 57,517评论 4 337
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 43,564评论 1 250
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 34,549评论 3 365
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 33,108评论 0 237
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 37,238评论 1 278
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 32,804评论 2 285
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 34,465评论 1 300
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 30,489评论 3 294
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 35,757评论 3 288
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 27,510评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 28,724评论 1 240
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 39,021评论 2 318
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 38,561评论 2 318

推荐阅读更多精彩内容