Analice rápidamente datos de hojas Excel mediante herramientas de diálogo de IA

Pregunta:

¿Cómo puedo conseguir que la IA analice mejor mis datos estructurados (Excel/CSV)? El contenido es largo, parece como si lo hubieran soltado algunos

Contesta:

Debido a las limitaciones de la ventana contextual, la IA no puede procesar contenidos muy largos a la vez. Además, el gran modelo lingüístico en sí no es bueno en operaciones matemáticas, por lo que tambiénNo se pueden hacer cálculos directamente a partir de los datos estructurados que proporcione. La mejor forma de utilizarlo en este momento es junto con el código.

Por ejemplo, herramientas como ChatGPT, Claude puede ayudarle automáticamente aGenerar código para analizar los datose incluso puede procesar los datos por lotes. Si lo desea, también puede escribir su propio código para implementar el análisis.

razonamiento

1. Proporciona la estructura de los datos, no des los datos completos: en la pregunta a la IA, sólo describe la estructura de tus datos (por ejemplo, nombres de columnas y tipos de datos) o da un pequeño ejemplo de datos. No es necesario que pegues los datos completos directamente, para no perder parte de la información si la entrada es demasiado larga.
2. Aclare sus necesidades: indique claramente a la IA lo que desea hacer con los datos o analizarlos, como generar tablas estadísticas, gráficos o calcular determinadas métricas.
3. Deje que la IA genere código: en función de sus necesidades, deje que la IA escriba código para leer y analizar los datos. De este modo, el código puede procesar tus datos completos y generar resultados precisos sin preocuparse por las limitaciones contextuales de las ventanas.

ejemplo típico

Por ejemplo, digamos que exporto los datos de acceso de mi X a un archivo csv/excel que contiene el número de accesos de cada día, y envío esos datos a ChatGPT (Claude está bien) para que me ayude a "Analizar los datos de mis tweets del año, ¿qué mes tuvo más accesos? ¿Qué semana tuvo más visitas? ¿Qué día tuvo las dos mayores visitas?".

ChatGPT Lo primero que se hará será muestrear mis datos para tener una idea de cómo es mi estructura de datos.

A continuación, siga adelante y genere el código según el requisito y, finalmente, ejecute el código para obtener el resultado.

Claude Es similar, con la única diferencia de que ChatGPT utiliza Python y Claude utiliza JavaScript.

Claude devuelve los resultados:

我来帮您分析这些数据。我会使用分析工具来处理CSV文件，查看不同时间维度的访问量（Profile visits）数据。

// 读取并解析CSV文件
const fileContent = await window.fs.readFile('account_overview_analytics 2.csv', { encoding: 'utf8' });
import Papa from 'papaparse';

const parsedData = Papa.parse(fileContent, {
  header: true,
  dynamicTyping: true,
  skipEmptyLines: true
});

const data = parsedData.data;

// 按月份分组
const monthlyVisits = {};
data.forEach(row => {
  const date = new Date(row.Date);
  const monthKey = `${date.getFullYear()}-${String(date.getMonth() + 1).padStart(2, '0')}`;
  if (!monthlyVisits[monthKey]) {
    monthlyVisits[monthKey] = 0;
  }
  monthlyVisits[monthKey] += row['Profile visits'] || 0;
});

// 找出访问量最大的月份
const maxMonthVisits = Object.entries(monthlyVisits)
  .sort((a, b) => b[1] - a[1])[0];
console.log('月度访问量最高：', maxMonthVisits);

// 按周分组
const weeklyVisits = {};
data.forEach(row => {
  const date = new Date(row.Date);
  const weekNumber = getWeekNumber(date);
  const weekKey = `${date.getFullYear()}-W${String(weekNumber).padStart(2, '0')}`;
  if (!weeklyVisits[weekKey]) {
    weeklyVisits[weekKey] = 0;
  }
  weeklyVisits[weekKey] += row['Profile visits'] || 0;
});

// 找出访问量最大的周
const maxWeekVisits = Object.entries(weeklyVisits)
  .sort((a, b) => b[1] - a[1])[0];
console.log('周访问量最高：', maxWeekVisits);

// 找出访问量最大的天
const dailyVisits = data.map(row => ({
  date: row.Date,
  visits: row['Profile visits'] || 0
}));
const maxDayVisits = dailyVisits.sort((a, b) => b.visits - a.visits)[0];
console.log('日访问量最高：', maxDayVisits);

// 辅助函数：获取日期所在的周数
function getWeekNumber(date) {
  const d = new Date(Date.UTC(date.getFullYear(), date.getMonth(), date.getDate()));
  const dayNum = d.getUTCDay() || 7;
  d.setUTCDate(d.getUTCDate() + 4 - dayNum);
  const yearStart = new Date(Date.UTC(d.getUTCFullYear(),0,1));
  return Math.ceil((((d - yearStart) / 86400000) + 1)/7);
}

根据分析结果：

1. 访问量最高的月份是 2024年2月，总访问量达到了 25,317 次
2. 访问量最高的周是 2024年第7周（2月中旬），访问量为 9,537 次
3. 访问量最高的单日是 2024年2月16日（星期五），当天访问量达到了 4,203 次
看起来2月份是您账号表现最好的时期，特别是2月中旬的那一周。您是否记得在2月16日发布了什么特别的内容，导致访问量激增？这可能对您未来的内容策略有所启发。
如果您想了解更多细节，比如具体的内容类型分析或者其他指标（如互动率、关注率等），我也可以为您进一步分析。

ChatGPT.

import pandas as pd

# Load the CSV file to analyze the data
file_path = '/mnt/data/account_overview_analytics (2).csv'
data = pd.read_csv(file_path)

# Display the first few rows to understand the structure of the data
data.head()

Result:
Result
                Date  Impressions  Likes  Engagements  Bookmarks  Shares  
0  Fri, Dec 27, 2024        17955     65          405         29       1   
1  Thu, Dec 26, 2024      1126219   2870        21818       1386      65   
2  Wed, Dec 25, 2024      1657311   4312        19589       1544      78   
3  Tue, Dec 24, 2024       401326   1424        12266        749      41   
4  Mon, Dec 23, 2024       467837   1528        16703        782      43   

New follows  Unfollows  Replies  Reposts  Profile visits  Create Post  
0            4          0       10       10              35            0   
1          206         39      198      427            1099            1   
2          361         23      179      667            1700            3   
3          141         15      153      272             517            5   
4           96         27      217      260             559            2   

Video views  Media views  
0          242          346  
1        22707        88041  
2        12096        23161  
3        17368        42005  
4        34821        77995  

The dataset includes columns such as Date, Impressions, Likes, and others. To answer your questions regarding:

1. Month with the maximum impressions: I'll group the data by month and calculate total impressions.
2. Week with the maximum impressions: I'll group the data by week and calculate total impressions.
3. Day with the maximum impressions: I'll find the single date with the highest impressions.
Let me proceed with the calculations.

# Convert the 'Date' column to a datetime format for easier grouping
data['Date'] = pd.to_datetime(data['Date'], format='%a, %b %d, %Y')

# Add helper columns for month and week
data['Month'] = data['Date'].dt.to_period('M')
data['Week'] = data['Date'].dt.isocalendar().week

# Group by month and sum the impressions
monthly_impressions = data.groupby('Month')['Impressions'].sum()

# Group by week and sum the impressions
weekly_impressions = data.groupby('Week')['Impressions'].sum()

# Find the day with the maximum impressions
max_day = data.loc[data['Impressions'].idxmax()]

# Extract the results
max_month = monthly_impressions.idxmax()
max_month_value = monthly_impressions.max()

max_week = weekly_impressions.idxmax()
max_week_value = weekly_impressions.max()

max_day_date = max_day['Date']
max_day_value = max_day['Impressions']

(max_month, max_month_value, max_week, max_week_value, max_day_date, max_day_value)

Result

(Period('2024-02', 'M'),
 22484999,
 7,
 7480737,
 Timestamp('2024-02-16 00:00:00'),
 2753640)

Here is the analysis of your tweet impressions:

1. Month with the maximum impressions: February 2024, with a total of 22,484,999 impressions.
2. Week with the maximum impressions: Week 7 (mid-February 2024), with a total of 7,480,737 impressions.
3. Day with the maximum impressions: February 16, 2024, with 2,753,640 impressions.
Let me know if you'd like a more detailed visualization or further breakdown!

Si no puedes acceder a las herramientas de IA anteriores, prueba a utilizar un producto similar en tu país:discurso intelectualmente estimulanteconsultar con la dinastía Shang Tang (siglo XVI a.C.) Todos disponen de herramientas de diálogo AI orientadas al análisis de datos de archivos EXCEL.