在大多数情况下，OpenAI Codex 会提供后续问题和结果描述。从某种意义上说，以提出的下一个问题和答案结束。单击“提交”按钮后，会生成附加代码。
温度和湿度值的不同图表的比较。可以要求法典 根据 df 创建 3 个图。 或者， 将交叉表应用于 df， 如果您想看到它的实际实施。
或者更模糊的请求，例如 演示 df 中表格数据的可视化。
DF 上交叉表的实际实现涉及 城市 和 温度。
向 Codex 提出的完整问题列表（NLU 输入）用““”表示。 Codex 会随代码生成一个综合注释（用哈希值表示）。
容易被忽视的特殊元素：
- 代码中的注释有多自然和连贯。自然语言生成（NLG）显然与 GPT-3 相当。
- 在对话中保留上下文，如果用户输入不全面或不明确，则 Codex 会做出准确的隐含假设。
- 该代码有效。用户可以将其从 Codex 预览中复制出来，粘贴到笔记本中并执行。我没有遇到代码未执行的实例。
- 生成代码的过程非常模块化，请求被分解为单独的连续步骤。
以下是 NLU 输入、注释和生成代码的完整记录……
我的 NLU 输入中存在拼写错误。但这并没有对这一进程造成任何阻碍。
”“”
创建 12 个随机美国城市的年平均温度、湿度、降雨量和风的数据框
”“”
将 pandas 导入为 pd
将 numpy 导入为 np
import random# 创建 12 个随机美国城市的数据框，其中包含年平均温度、湿度、降雨量和风力# 创建 12 个随机美国城市的列表 = ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix', 'Philadelphia', 'San Antonio', 'San Diego', 'Dallas', 'San Jose', 'Austin', 'Jacksonville']# 创建 12 个随机年平均温度的列表
temps = [random.randint(50, 100) for i in range(12)]# 创建一个包含 12 个随机平均年湿度的列表
humities = [random.randint(50, 100) for i in range(12)]# 创建一个包含 12 个随机平均年降雨量的列表
降雨量 = [random.randint(50, 100) for i in range(12)]# 创建一个包含 12 个随机平均年风的列表
Wind = [random.randint(50, 100) for i in range(12)]# 创建列表的字典
data = {'City': 城市, 'Temperature': temps, 'Humidity': 湿度, 'Rainfall': 降雨量, 'Wind': 风}# 从字典创建数据框
df = pd.DataFrame(data)# 显示数据帧
df"""
根据 df 创建 3 个图
"""# 创建每个城市年平均气温的条形图
df.plot.bar(x='City', y='Temperature')# 创建每个城市年平均湿度的条形图
df.plot.bar(x='City', y='Humidity')# 创建每个城市年平均降雨量的条形图
df.plot.bar(x='City', y='Rainfall')# 创建每个城市年平均风力的条形图
df.plot.bar(x='城市', y='风')"""
将交叉表应用于 df
"""# 创建每个城市年平均气温的交叉表
pd.crosstab(df.City, df.Temperature)# 创建每个城市年平均湿度的交叉表
pd.crosstab(df.城市, df.湿度)
# 创建每个城市年平均降雨量的交叉表
pd.crosstab(df.City, df.Rainfall)# 创建每个城市年平均风速的交叉表
pd.crosstab(df.City, df.Wind)"""
show 可以使用 df 堆叠直方图
"""# 创建每个城市年平均气温的直方图
df.hist(column='Temperature')# 创建每个城市年平均湿度的直方图
df.hist(column='Humidity')# 创建每个城市年平均降雨量的直方图
df.hist(column='Rainfall')# 创建每个城市年平均风力的直方图
df.hist(column='风')"""
显示可以使用 df 堆叠箱线图
"""# 创建每个城市年平均气温的箱线图
df.boxplot(column='Temperature')# 创建每个城市年平均湿度的箱线图
df.boxplot(column='Humidity')# 创建每个城市年平均降雨量的箱线图
df.boxplot(column='降雨量')"""
演示 df 中表格数据的可视化
"""# 创建每个城市的年平均气温与年平均湿度的散点图
df.plot.scatter(x='Temperature', y='Humidity')# 创建每个城市年平均气温与年平均降雨量的散点图
df.plot.scatter(x='Temperature', y='Rainfall')# 创建每个城市年平均气温与年平均风速的散点图
df.plot.scatter(x='Temperature', y='Wind')# 创建每个城市年平均湿度与年平均降雨量的散点图
df.plot.scatter(x='Humidity', y='Rainfall')# 创建每个城市年平均湿度与年平均风的散点图
df.plot.scatter(x='湿度', y='风')
