数据可视化是任何从事数据工作的人必不可少的技能。但是，创建美观、有信息量的数据可视化可能很耗时，而且需要专门的工具。这时，ChatGPT就派上用场了。通过最新的更新，ChatGPT使数据可视化变得比以往任何时候都更快更容易。

最新的更新显著地改善了ChatGPT的体验。现在，你不需要在不同的选项之间切换，比如原始的GPT-4、带有高级分析的GPT-4或DALLE-3，你只需要输入一个提示，ChatGPT就会自动解释你的请求，并生成所需的结果。

简单的可视化

在这一部分，我们将编写一个简单的提示来生成图表。提示中包含了以Python字典形式给出的数据。

饼图

在我们创建提示之前，请确保正在使用GPT-4模型，因为它是唯一支持生成可视化的模型。

我们将编写一个提示，根据各种营养数据生成一个饼图可视化。另外，我们还要求ChatGPT使用一种较浅的颜色组合，因为默认的颜色非常鲜艳。

Prompt:  Generate a pie chart of values {"Vitamin A":5, "Vitamin B": 1, "Vitamin C": 4, "Water": 90} to keep the color combination light.

如图所示，我们得到了不错的结果。

如果想查看可视化背后的Python代码，则必须单击结果末尾的终端徽标。 

之后，将出现一个窗口，其中包含可以自行修改和执行的源代码。但是，此步骤不是强制性的，因为ChatGPT将简单地运行代码并将可视化显示为图像。可以保存这些图像以用于演示或报告。

条形图

在下一部分，我们提供了汽车的二氧化碳排放数据，让ChatGPT来展现它的魔力。

Prompt:  Generate a bar plot co2 emissions of values {"Car A":30, "Car B": 25, "Car C": 20}.

它添加了标题、x和y轴的标签，并确保了降序排列。

探索性数据分析

你可以让ChatGPT自主地创建结果，而不是过度控制它的输出，类似于各种Python AutoViz库。只需要提供数据集，并请求一个完整的探索性数据分析，为你生成需要审查的必要的图表。

在我们的例子中，我们提供了一个客户购物趋势数据集，它提供了有关消费者行为和购买模式的宝贵洞察。

Prompt:  Perform exploratory data analysis on customer shopping trends dataset and display only plots.

ChatGPT提供了快速的结果，在不到一分钟的时间内处理和分析了消费者趋势，这是一个通常需要我至少花30分钟编码和运行的任务。

还可以通过提供关于您感兴趣的可视化类型的后续提示来改善结果。

Prompt:  Improve the analysis by plotting  a correlation chart, bar chart, pie chart, boxplot, and relplot.

如果你想要看到多层次的复杂可视化，必须明确地向ChatGPT请求。

Prompt:  Use the dataset to plot various complex visualizations.

模型评估

数据可视化在评估模型中起着至关重要的作用。在这一部分，我们将使用Kaggle上的糖尿病数据集，并要求ChatGPT训练和评估多个模型。为了充分利用ChatGPT的能力，我们将要求它显示混淆矩阵、精确度-召回率和比较不同模型的图表。

Prompt:  Multiple machine learning models should be trained using the target column "Outcome", and the resulting model evaluation visualization should include a confusion matrix, precision-recall, and model comparison chart.

很明显，ChatGPT表现得非常出色。虽然模型在数据集上的表现不佳，但我们对它快速而准确的数据可视化能力印象深刻。它可以用来快速分析数据集，或者在面试或带回家作业中回答问题。

ChatGPT已经彻底改变了我们创建数据可视化的方式。凭借其先进的数据分析能力，可以使用简单的英文提示，在几秒钟内生成精美而有信息量的数据可视化。

无论是需要一个简单的条形图，还是高级的模型分析，或者只是一个快速了解数据集的方法，ChatGPT都能以最小的努力提供出色的结果。随着能力的日益提高，这是一个使用这个人工智能助手提升数据可视化技能的激动人心的时刻。