生成式 AI 如何帮助您改进数据可视化图表
使用生成式 AI 加速和增强数据可视化。
图像来源：DALLE 3
5 个关键要点：
- 数据可视化图表的基本结构
- 使用 Python Altair 构建数据可视化图表
- 使用 GitHub Copilot 加快图表生成速度
- 使用 ChatGPT 为您的图表生成相关内容
- 使用 DALL-E 将引人入胜的图像添加到图表中
你是否厌倦了花费数小时创建无聊的数据可视化图表？利用生成式 AI 的强大功能来改善数据可视化。在本文中，我们将探讨如何使用生成式 AI 来丰富图表。我们将使用 Python Altair、GitHub Copilot、ChatGPT 和 DALL-E 等尖端工具，在生成式 AI 的支持下实现我们的图表。
首先，让我们使用 GitHub Copilot 实现基本图表。接下来，我们使用 ChatGPT 添加文本注释（例如标题）。最后，我们将使用 DALL-E 将图像添加到图表中。作为一种编程语言，我们将使用 Python 和 Python Altair 可视化库。
我们将介绍：
- 定义用例
- 构建基本图表：使用 GitHub Copilot
- 添加注释：ChatGPT
- 添加图像：DALL-E。
用例：意大利的研发支出
作为一个用例，我们将使用欧盟统计局根据开放数据许可发布的数据集绘制一个图表，表示按绩效部门划分的研发支出。为了使该过程更易于访问，我们将使用已转换为 CSV 的数据集的简化版本。下表显示了数据集的提取：
| 单位 | Sectperf（斯佩夫酒店） | 地理 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| PC_GDP | 贝斯 | 在 | 1.87 | 1.84 | 2.05 | 2.09 | 2.2 | 2.18 | 2.19 | 2.14 | 2.16 | 2.2 | 2.23 | 2.22 |
| PC_GDP | 贝斯 | 八 | 0.16 | 0.19 | 0.05 | 0.07 | 0.08 | |||||||
| PC_GDP | 贝斯 | 是 | 1.38 | 1.49 | 1.59 | 1.62 | 1.66 | 1.7 | 1.73 | 1.87 | 2.05 | 2.33 | 2.48 | 2.42 页 |
| PC_GDP | 贝斯 | BG系列 | 0.28 | 0.28 | 0.36 | 0.39 | 0.52 | 0.7 | 0.56 | 0.52 | 0.54 | 0.56 | 0.57 | 0.51 |
数据集包含以下列：
- 单位 - 此列的值始终设置为“占国内生产总值百分比 （PC_GDP）
- sectperf - 性能部门。可能的值包括：商业企业 （BES）;政府 （GOV）;高等教育（HES）;私人非营利组织 （PNP） 和 TOTAL
- geo - 欧洲国家
- 2010-2021 - 指定年份的支出值。
作为一个具体的例子，让我们关注意大利的 BES，并使用数据可视化库 Python Altair 绘制图表。
构建基本图表：使用 GitHub Copilot
GitHub Copilot 是一种生成式 AI 工具，您可以在编写代码时用作助手。在 GitHub Copilot 中，您描述了软件必须运行的操作序列，GitHub Copilot 会将其转换为您首选编程语言的可运行代码。使用 GitHub Copilot 的能力包括学习如何描述操作序列。
安装 Copilot
在使用 GitHub Copilot 之前，您必须先为您的个人 GitHub 帐户设置免费试用或订阅。如果您是教师或学生，您可以通过以下链接设置免费订阅计划：
