在当今这个信息爆炸的时代，数据已成为驱动各行各业发展的核心引擎。无论是企业决策、市场分析，还是学术研究、个人生活，数据都无处不在地渗透其中，发挥着举足轻重的作用。然而，面对海量且复杂的数据，如何高效地收集、整理、分析并提取有价值的信息，成为了摆在我们面前的一大挑战。

“大模型”引入到了Excel的数据处理流程中，通过构建智能对话系统，使用户能够以自然语言的方式与Excel进行交互。这种全新的交互方式不仅极大地降低了code门槛，使得非专业人士也能轻松上手，更重要的是，它为用户提供了一个更加直观、高效、便捷的数据处理。

接下来详细阐释实现大模型对话的 EXCL 流程，用TableGPT2-7B，生成可执行的代码准确率较高，，推荐使用，该方法也可以使用其他大模型。

接入本地大模型服务

from openai import OpenAI

client = OpenAI(
api_key= “none”,
base_url= “http://172.30.4.169:8001/v1”
)

def send_chatgpt_message(prompt):
“””
请求chatGPT函数
“””

messages = [
{“role”: “system”, “content”: “You are a helpful assistant.”},
{“role”: “user”, “content”: f”{prompt}“}
]

response = client.chat.completions.create(
model=“TableGPT2-7B”,
messages=messages,
)
answer = response.choices[0].message.content
return answer

读入EXCE数据

我们以泰坦尼克数据为例

import pandas as pd
df=pd.read_excel(Titanic.xlsx)
df

数据

大模型prompt模版

example_prompt_template = “””Given access to several pandas dataframes, write the Python code to answer the users question.

/*
“{var_name}.head(5).to_string(index=False)” as follows:
{df_info}
“{var_name}.columns” as follows:
{df_columns}
*/

Question: {user_question}
“””
question = “登船港口，查看其数据组成”
prompt = example_prompt_template.format(
var_name=“df”,
df_info=df.head(5).to_string(index=False),
df_columns = df.columns,
user_question=question,
)

问题1查询

问题1：登船港口，查看其数据组成

answer = send_chatgpt_message(prompt)
answer

执行结果

code = answer.split(“`python)[1].split(“`)[0]
print(code)
exec(code)

问题2：登船港口,亦即对于缺失数据，使用S进行替代

问题1画图

问题1：画活着男女分布图