- 步骤 1:设置代码解释器 API
- 步骤 2:免费运行 ChatGPT 代码解释器
- 步骤 3:使用代码解释器 API 进行数据分析
下一步工作前的注意事项 1. 我们使用的是 GitHub 上免费开源的 Code Interpreter API 项目(请访问)。它使用了 CodeBoxes、OpenAI 的 API、LangChain Agents 和多个 Python 软件包,其行为类似于 ChatGPT 的代码解释器。 2. 对于小数据集来说,它运行得很好,而且不收取任何费用。但是,当你抛出一个大数据集进行分析时,OpenAI 对免费用户的费率限制会阻碍操作。因此,如果您打算使用它来分析大量数据,请考虑在 OpenAI 账户中添加付费方式。 3. 如果您能访问 GPT-4 API,该项目就能很好地运行。不过,我对代码进行了定制,使其也能与 GPT-3.5 涡轮增压模型兼容。
步骤 1:设置代码解释器 API
1. 首先,您需要在计算机上安装 Python 和 Pip,具体步骤请参考我们的链接教程。请确保在安装时将 python.exe 添加到 PATH。 2. 安装好 Python 和 Pip 后,打开终端并运行以下命令,检查它们是否设置正确。这些命令的输出结果应包含它们的版本号。python -version pip -version3. 现在,运行以下命令安装代码解释器 API。
pip install codeinterpreterapi4. 然后,继续从 OpenAI 网站获取 API 密钥。点击 “Create new secret key” 并复制密钥。
步骤 2:免费运行 ChatGPT 代码解释器
1. 完成上述操作后,就可以免费运行代码解释器 API 了。 2. 打开 Sublime Text 或 Notepad++ 等代码编辑器(下载)。 3. 现在,复制下面的代码并粘贴到代码编辑器中。代码来自代码解释器 API 的 GitHub 页面,但我做了一些改动,以避免一些错误。import os os.environ["OPENAI_API_KEY"] = "PASTE THE OPENAI API KEY HERE" from codeinterpreterapi import CodeInterpreterSession async def main(): # create a session session = CodeInterpreterSession(model="gpt-3.5-turbo") await session.astart() # generate a response based on user input response = await session.generate_response( "Plot the Apple stock price chart from 2007 to 2023 june" ) # output the response (text + image) print("AI: ", response.content) for file in response.files: file.show_image() # terminate the session await session.astop() if __name__ == "__main__": import asyncio # run the async function asyncio.run(main())4. 我用红色标出了需要修改的代码。首先,在第二行粘贴 OpenAI API 密钥。 5. 之后,如果可以访问 GPT-4 API,则可以在第九行定义 “gpt-4” 模型。最后,在第 14 行,您可以输入您的查询并定义要创建的内容。 6. 现在,将文件保存为 “chart.py” 到桌面。确保在最后添加
.py
扩展名。
7. 现在,打开终端,逐一运行下面的命令。第一条命令将移动到桌面位置,第二条命令将使用 Python 执行 “chart.py” 文件。
cd Desktop python chart.py8. 只需几秒钟,Code Interpreter API 就会为您生成图表。 9. 它在后台使用了大量服务来实现这一结果,包括 LangChain 代理、来自互联网的雅虎财经数据、用于绘制图表的 Matplotlib 等。你可以在代码中添加下面一行,查看后台发生的一切。
os.environ["VERBOSE"] = "True"10. 现在,您只需更改代码中的查询,然后再次执行 “chart.py” 文件,即可生成新图表。
步骤 3:使用代码解释器 API 进行数据分析
1. 您还可以免费使用本地数据进行数据分析。为此,请在桌面上创建一个名为 “analysis” 的文件夹。 2. 现在,将数据集移动到 “analysis” 文件夹。数据集可以是 CSV、XSL 或 XSLX 格式。例如,我们将在 “analysis” 文件夹中使用 “globaltemperature.csv” 文件。 3. 接下来,打开代码编辑器,粘贴下面的代码。import os os.environ["OPENAI_API_KEY"] = "PASTE THE OPENAI API KEY HERE" from codeinterpreterapi import CodeInterpreterSession, File async def main(): # context manager for auto start/stop of the session async with CodeInterpreterSession(model="gpt-3.5-turbo") as session: # define the user request user_request = "Analyze this dataset and plot global temperature from the year 1950 to 2016. Consider the GCAG system." files = [ File.from_path("globaltemperature.csv"), ] # generate the response response = await session.generate_response( user_request, files=files ) # output to the user print("AI: ", response.content) for file in response.files: file.show_image() if __name__ == "__main__": import asyncio asyncio.run(main())4. 在这里,您首先需要粘贴 OpenAI API 密钥。 5. 现在,将 “globaltemperature.csv” 改为您自己的数据集名称。顺便说一下,您还可以根据自己对数据的需求更改模型和用户查询。 6. 将其保存为 “data.py”,放在桌面上的 “analyze” 文件夹中。 7. 启动终端,以类似方式运行文件。
cd Desktop/analysis python data.py8. 现在,您将获得基于本地数据集的图表。这就是您如何使用代码解释器 API 进行数据集分析而无需支付任何费用的方法。
文章标题:如何免费使用ChatGPT代码解释器
文章链接:https://www.uied.cn/52677.html
更新时间:2024年02月01日
本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。