如需完整的文件索引,請參閱 llms.txt。在文件頁面的網址末尾加上 .md ,即可取得該頁面的 Markdown 版本。
主要導覽
主題
Codex

Codex 應用案例

分析資料集並交付報告

整理雜亂的資料,用視覺化圖表清楚呈現分析結果。

難度 Intermediate
任務時間跨度 1h

使用 ChatGPT 工作清理資料、合併不同來源的資料、探討問題並建立模型,再撰寫清楚的報告,以圖表佐證結果並說明分析的限制。

最適合的對象

  • 從整理雜亂的檔案著手,最後以圖表、備忘錄、儀表板或報告呈現結果的資料分析工作。
  • 需要清理資料、可靠地合併資料、使用可解釋的模型,或採用可重現的分析方法才能回答的問題。
  • 需要交付成果供他人審閱與重複使用的團隊。

目錄

    ← 所有應用案例

    分析資料集並交付報告

    整理雜亂的資料,用視覺化圖表清楚呈現分析結果。

    使用 ChatGPT 工作清理資料、合併不同來源的資料、探討問題並建立模型,再撰寫清楚的報告,以圖表佐證結果並說明分析的限制。

    Intermediate
    1h

    使用 ChatGPT 工作清理資料、合併不同來源的資料、探討問題並建立模型,再撰寫清楚的報告,以圖表佐證結果並說明分析的限制。

    Intermediate
    1h

    最適合的對象

    • 從整理雜亂的檔案著手,最後以圖表、備忘錄、儀表板或報告呈現結果的資料分析工作。
    • 需要清理資料、可靠地合併資料、使用可解釋的模型,或採用可重現的分析方法才能回答的問題。
    • 需要交付成果供他人審閱與重複使用的團隊。

    技能與外掛程式

    • Spreadsheets
      檢視 CSV、TSV 和 Excel 檔案,檢查公式與資料合併結果,並製作可供審閱的表格或圖表。
    • 讀取你在 Google 雲端硬碟中指定且已授權存取的 Google 試算表和來源檔案。
    • Data Analytics
      蒐集資料來源的背景資訊,分析並驗證資料,再製作可重複使用的報告、儀表板、圖表或筆記本。
    技能 使用理由
    Spreadsheets 檢視 CSV、TSV 和 Excel 檔案,檢查公式與資料合併結果,並製作可供審閱的表格或圖表。
    Google Drive 讀取你在 Google 雲端硬碟中指定且已授權存取的 Google 試算表和來源檔案。
    Data Analytics 蒐集資料來源的背景資訊,分析並驗證資料,再製作可重複使用的報告、儀表板、圖表或筆記本。

    入門提示詞

    請使用 @Data Analytics 檢視隨附的兩份資料集,一份記錄房屋交易,另一份記錄房屋與高速公路之間的距離。請判斷靠近高速公路的房屋價值是否較低。 說明各資料來源的內容,找出相關欄位,以及可能用來配對兩份資料的欄位。檢查是否有缺失值、重複紀錄、無法配對的紀錄或不完整的資料。清理並合併資料時,請勿覆寫來源檔案或杜撰數值。 用清楚的圖表探討問題並佐證分析。若建模有助於回答問題,請從可解釋的模型著手。用淺顯的文字說明結果、假設與不確定性。請以簡潔的報告、筆記本或試算表呈現分析,開頭先給出答案。列出你建立的檔案名稱,並指出任何可能改變結論的資料問題。
    請使用 @Data Analytics 檢視隨附的兩份資料集,一份記錄房屋交易,另一份記錄房屋與高速公路之間的距離。請判斷靠近高速公路的房屋價值是否較低。 說明各資料來源的內容,找出相關欄位,以及可能用來配對兩份資料的欄位。檢查是否有缺失值、重複紀錄、無法配對的紀錄或不完整的資料。清理並合併資料時,請勿覆寫來源檔案或杜撰數值。 用清楚的圖表探討問題並佐證分析。若建模有助於回答問題,請從可解釋的模型著手。用淺顯的文字說明結果、假設與不確定性。請以簡潔的報告、筆記本或試算表呈現分析,開頭先給出答案。列出你建立的檔案名稱,並指出任何可能改變結論的資料問題。

    簡介

    資料分析的核心是用資料協助決策。分析本身並非目的,重點是做出能讓人採取行動的成果,例如供主管決策的圖表、給產品團隊的實驗結果摘要、供研究人員參考的模型評估,或用來指引日常營運的儀表板。

    R for Data Science 一書推廣了一套實用的循環流程:先匯入並整理資料,再反覆轉換資料、進行視覺化與建模,逐步加深對資料的理解,最後再說明分析結果。

    ChatGPT 工作很適合這套流程。它可以幫你清理資料、探索假設、進行分析,並產出可重現的成果。目標是讓其他人能檢閱、信任並重新執行你的分析,而不只是產出一份用過一次的筆記本。

    界定使用情境

    選定一個你想用資料回答的具體問題。問題越明確,就越容易判斷需要哪些資料、該做哪些檢查,以及最後要呈現什麼結果。

    貫穿全文的範例:高速公路附近的房屋價值

    本文將以這個問題為例:

    與距離高速公路較遠的房屋相比,高速公路附近的房屋估值低多少?

    假設一份資料集記錄了房屋估值或成交價,另一份則記錄了位置、地籍或與高速公路的距離。除了執行模型,你還需要確認輸入資料可靠、記錄資料如何關聯、檢驗結果是否穩健,並將分析整理成其他人也能使用的成果。

    你可以附上 CSV 檔案或 Excel 活頁簿,也可以用 @google-drive 指定已獲准使用的 Google 試算表。如果資料存在你的電腦上,可以使用桌面應用程式。

    ChatGPT Work

    範例結果

    在這組虛構樣本中,ChatGPT 將 11 筆房屋交易與高速公路距離檔案中的紀錄配對,並標出 1 筆找不到對應距離的交易。距離高速公路 1 英里以內的房屋平均成交價為 50 萬美元,距離 2 至 5 英里的房屋則為 60 萬美元。

    排除較遠一組中成交價最高的房屋後,平均成交價仍相差 9.4 萬美元。報告和圖表均說明,樣本數少,未配對的交易也已排除。這項比較未控制社區、成交時間、交通或噪音等因素,無法據此確立因果關係。

    匯入資料

    先附上檔案,請 ChatGPT 檢查內容。這能幫你釐清幾個基本但重要的問題:

    • 這些檔案有哪些格式?
    • 每份資料集看起來記錄了什麼?
    • 哪些欄位可能是目標變數、識別碼、日期、位置或衡量指標?
    • 哪些地方有明顯的資料品質問題?

    先請 ChatGPT 盤點並說明資料,暫時不要請它下結論。

    整理並合併輸入資料

    實務上,分析往往從這一步開始。手上有兩份以上的資料集,卻不確定哪個欄位是主鍵,貿然合併可能會遺漏資料或產生重複紀錄。

    合併前,先請 ChatGPT 評估資料是否適合合併:

    • 檢查各個候選鍵的值是否唯一。
    • 統計空值比例,並比較格式差異。
    • 統一明顯不一致的格式,例如大小寫、空白字元或地址寫法。
    • 試做資料關聯,並回報配對成功率。
    • 在寫入最終合併檔案前,先建議最安全的合併方式。

    如果需要推導出最合適的關聯方式,例如用標準化後的地址配對、用幾個欄位組成地籍識別碼,或依位置關聯資料,請先讓 ChatGPT 說明各種做法的取捨,以及哪些特殊情況會影響配對,再決定是否採用合併結果。

    用圖表探索資料

    選擇模型前,先用圖表了解資料。在高速公路的範例中,可以比較距離高速公路較近與較遠的房屋、查看離群值、觀察缺失值的分布,並檢查表面上的價差是否反映了兩組房屋所在社區的組成、房屋面積或其他因素。

    每張圖表都應與原本的問題有關。將有助於回答問題的比較圖表存下來,讓其他人也能檢視分析過程。

    針對問題建立模型

    並非每項分析都需要複雜的模型。先建立一個容易解釋的基準模型。

    針對高速公路的問題,可以先用迴歸模型或其他容易理解的模型,在控制房屋面積、屋齡和位置等相關因素後,估計房屋與高速公路的距離和房屋價值之間的關係。

    請 ChatGPT 清楚說明以下事項:

    • 目標變數和各項特徵的定義。
    • 納入哪些控制變數,以及選擇它們的原因。
    • 資料洩漏的風險,以及排除了哪些資料。
    • 如何選擇資料切分方式、評估方法或估計不確定性的方法。
    • 用白話解釋結果代表什麼。

    即使第一個模型表現不佳,結果仍有參考價值。你可以據此判斷問題出在模型、特徵、資料配對品質,還是原本的提問。

    傳達分析結果

    分析成果要讓其他人看得懂、用得上,才有價值。請 ChatGPT 依讀者的需求產出合適的檔案:

    • 給技術協作者的 Markdown 備忘錄。
    • 供後續作業使用的試算表或 CSV 檔案。
    • 給決策者的排版文件或 PDF。
    • 方便重複使用分析成果的筆記本、儀表板或靜態報告。

    請它一併說明解讀結果時要注意的事項。如果資料配對品質不佳、樣本有抽樣偏差,或模型所依賴的假設可能不成立,都應在交付的成果中明確指出。

    選用步驟:設定 Python 環境

    如果專案需要可重複使用的指令碼或筆記本,請 ChatGPT 使用現有的 Python 環境,或建立一個精簡且可重現的環境。保留原始檔案,將分析、圖表和最終報告另存。如果要在 ChatGPT 工作中分析附件,不必事先設定 Python。

    建議提示詞

    載入並說明資料集

    請檢查我附上的資料檔案,逐一說明內容。指出哪些欄位可能是目標變數,找出日期、地籍或位置識別碼,並說明檔案格式、缺少哪些資訊,以及有哪些明顯的資料品質問題。先不要下結論。

    合併前檢查資料如何關聯

    請檢查這些資料集應如何關聯。分析各個候選鍵的特性,列出重複和未配對的紀錄,統一明顯不一致的格式,並說明最安全的關聯方式。不要自行填補缺失值,也不要覆寫原始檔案。

    建立容易解釋的初步模型

    請建立模型,分析房屋靠近高速公路是否與較低的房屋價值有關。先建立容易解釋的基準模型,在資料允許的情況下將房屋面積、屋齡與所在社區納入考量,並用白話說明估計的效應、不確定性和限制。

    為利害關係人整理分析成果

    請將這份分析整理成可直接交給利害關係人閱讀的簡短報告。開頭先回答問題,附上最能支持答案的圖表,說明如何檢查資料及其配對情形,並清楚標示任何限制或不確定性。保留原始資料不變,並列出你建立的檔案名稱。

    技術堆疊

    需求

    資料分析工具

    預設選項

    pandas 搭配 matplotlib 或 seaborn

    為何需要

    適合用來匯入資料、檢視資料概況、合併與清理資料,以及繪製初步分析圖表。

    需求

    建模

    為何需要

    先建立可解釋的基準模型,再採用較複雜的預測模型。

    需求 預設選項 為何需要
    資料分析工具 pandas 搭配 matplotlib 或 seaborn 適合用來匯入資料、檢視資料概況、合併與清理資料,以及繪製初步分析圖表。
    建模 statsmodels 或 scikit-learn 先建立可解釋的基準模型,再採用較複雜的預測模型。

    相關應用案例