Analyser rapidement les données d'une feuille Excel à l'aide d'outils de dialogue IA

Demandez :

Comment l'IA peut-elle mieux analyser mes données structurées (Excel/CSV) ? Le contenu est long, on a l'impression qu'il a été abandonné.

Réponse :

En raison des limites de la fenêtre contextuelle, l'IA ne peut pas traiter de très longs contenus à la fois.. En outre, le grand modèle linguistique lui-même n'est pas doué pour les opérations mathématiques, de sorte qu'il ne peut être utilisé qu'en cas d'urgence.Il n'est pas possible d'effectuer des calculs directement sur la base des données structurées que vous fournissez.. La meilleure façon de l'utiliser à ce stade est de le faire en conjonction avec le code.

Par exemple, des outils comme ChatGPT, Claude peut vous aider automatiquement àGénérer du code pour analyser les donnéeset peut même traiter les données par lots pour vous. Vous pouvez également écrire votre propre code pour mettre en œuvre l'analyse si vous le souhaitez.

raison d'être

1. Fournissez la structure des données, ne donnez pas les données complètes : dans l'invite à l'IA, décrivez simplement la structure de vos données (par exemple, les noms des colonnes et les types de données) ou donnez un petit exemple de données. Il n'est pas nécessaire de coller directement les données complètes, afin de ne pas perdre une partie des informations si l'entrée est trop longue.
2. Clarifiez vos besoins : indiquez clairement à l'IA ce que vous voulez faire avec les données ou les analyser, par exemple générer des tableaux statistiques, des graphiques ou calculer certaines mesures.
3. Laisser l'IA générer du code : en fonction de vos besoins, laissez l'IA écrire du code pour lire et analyser les données. De cette manière, le code peut traiter l'ensemble de vos données et générer des résultats précis sans se soucier des limites de la fenêtre contextuelle.

exemple typique

Par exemple, disons que j'exporte les données d'accès à mon X dans un fichier csv/excel contenant le nombre d'accès pour chaque jour, et que je soumets ces données à ChatGPT (Claude est parfait) pour qu'il m'aide à "analyser mes données de tweet pour l'année, quel mois a eu le plus grand nombre d'accès ? Quelle semaine a eu le plus de visites ? Quel jour a eu les deux plus grandes visites ?"

ChatGPT La première chose à faire est d'échantillonner mes données pour avoir une idée de la structure de mes données.

Ensuite, générez le code en fonction des besoins et exécutez le code pour obtenir le résultat.

Claude C'est similaire, la seule différence étant que ChatGPT utilise Python et Claude utilise JavaScript.

Claude renvoie les résultats :

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 vous ne pouvez pas accéder aux outils d'IA ci-dessus, essayez d'utiliser un produit similaire dans votre pays :un discours intellectuellement stimulantconsulter la dynastie Shang Tang (16e siècle av. J.-C.) Tous disposent d'outils de dialogue IA orientés vers l'analyse de données de fichiers EXCEL.