你只需输入数据和需求，结果自然来。
自动可视化
在《如何用 ChatGPT 帮你自动分析数据？》这篇文章里，我已经为你介绍过 Code Interpreter 。它是 ChatGPT 的一个模式，目前还在 alpha 测试阶段。
Code Interpreter 可以接收文件输入，然后在用户的指令下与文件内容进行交互。它提供一个虚拟运行环境，让你可以在里面直接执行 Python 代码，还支持图文输出和文件下载链接生成功能。
《如何用 ChatGPT 帮你自动分析数据？》里面，我用一组样例贷款数据给你演示了 Code Interpreter 如何帮你分析每个变量的含义，及其在数据集中的分布。咱们当时主要做的，是机器学习建模。
视频中没有展示的部分，你其实可以自己扩展。只需要提示 Code Interpreter 进行可视化，你就能看到相应的统计图形。
上面是连续型数据的描述，你也可以对类别数据做一些统计。
上面这些都是单变量描述统计。你还可以让 Code Interpreter 自动分析多变量之间的关系，例如下面这张图就展示了贷款数据集里不同变量间的关联。
在 这篇文章里，我也为你展示了如何使用 Code Interpreter 来做复杂网络仿真进程的可视化。
今天这篇文章，咱们来谈谈 Code Interpreter 的「高级」自动可视化功能。这里我主要介绍两方面的内容：
- 三维交互图
- 动图视频制作。
有些数据涉及时间轴，在分析和展示的时候，会用到上述图形。在时间基础上，查看数据集不同变量间的关系流变，至少会让可视化结果更有冲击力。
数据
我们首先当然需要找到一个合适的数据集。换作以前，我会乖乖去一些开放数据集网站找寻，或者直接在引擎里搜索时间序列数据。但现在我会问自己一个问题：需要我自己找吗？
当然不要。
怎么办？懒人有懒办法，我使用下面提示语在 ChatGPT 联网模式下搜索。
请帮我寻找 5 个公开的时间序列数据集，要求是包含多个维度的。用 markdown 列表列出数据集名称、下载地址，以及相关的介绍。谢谢
看到了没，ChatGPT 这是翻阅了多少页面啊？这些网页这要是我自己手动看，怎么也得用个 10 几分钟吧？而且还不一定找得全面，挑得精细。
很快，Code Interpreter 就把数据集查找结果整理出来了：
Code Interpreter 找到了 3 个数据集，我觉得已经足够了。因为我其实只需要一个嘛。点开第一个链接，浏览器显示出下载页面。
下载 CSV 文件，打开一看是这个样子。
你可以看到 P 代表产品，W 代表周，每一周每一种产品的销量都展示出来了。
我首先想画三维交互图。还是进入 Code Interpreter 模式，点击下图中的加号按钮，上传这个数据集。
上传 CSV 文件后，Code Interpreter 自动开始了处理。
这是它实际执行的代码：
Code Interpreter 通常先对变量名进行推理，同时检查前 5 条数据大概样子，来验证自己的推理。
下面是 Code Interpreter 给出的初步分析结果：
用 ChatGPT 翻译以后是这样的：
该数据集包含不同产品的每周销售数据。每行对应于特定的产品，由 “Product_Code” 列指示。列 “W0” 到 “W51” 表示每个产品的每周销售数字，“W0” 是第 0 周的销售数字，“W1” 是第 1 周，以此类推，直到第 51 周的 “W51”。除了每周销售数字外，还有标准化值用于表示每周销售量，分别为 'Normalized 0' 至 'Normalized 51'。通常使用标准化值将在不同比例上测量的值调整为公共比例。请问您想要对这些数据进行什么操作？例如我们可以执行一些描述性统计、可视化、预测等。
三维交互
数据有了，我的可视化分析要求是：
请把前 10 种商品在全部时间的变化，做成 3D 散点图，不同商品间用颜色加以区别。不要直接输出图形，而是做成下载链接形式。谢谢
Code Interpreter 立即开始为我生成这个图，它说使用的包是 Matplotlib，挺好。
但是不出所料，很快它的执行过程就出问题了。
其实你根本就不用担心。Code Interpreter 执行出问题时，会自己解释这个问题是什么，为什么发生，以及分析和尝试解答如何规避。这里 Code Interpreter 说要重新分配唯一数字 ID，再次尝试。我什么都没做，就看它在那里解释，然后看它重塑数据，很快图就绘制出来了。
其实这结果与我的要求有点出入。我明明要求它不要直接绘图，而是提供下载链接，可它还是把结果给我画出来了。好在这也无伤大雅。
按照链接打开 3D 散点图，是这个样子：
尽管 Code Interpreter 完成了任务，但是显然我不希望仅仅获得一张静态图，因为这样只能从一个角度来观察。这不是 Code Interpreter 的错误，而是我的要求不够精细。于是我改变了提示语，以达成交互效果：
很好，不过我希望生成的图形是可以交互式的。能否重新生成并且生成下载链接？谢谢
看到没有，我还鼓励了 Code Interpreter 一下。有人说这种鼓励和礼貌用语是「废话」，我不这样看。即便这些礼貌用语不能提升结果的准确性，总会让你觉得人机交互过程充满了善意，至少自己心里舒服不是？
Code Interpreter 说要达成交互的目标， PNG 格式不行，要生成 HTML，使用的包是 plotly，很好嘛。
很快交互式图形结果重新生成了，咱们下载后打开，看看效果。
这个交互图，你可以用鼠标对图形整体转动、拖动和缩放，找到这些散点之间的关联。感觉怎么样？
不怎么样。眼花缭乱的，谁能看清这些数据之间的关系？
我给出 Code Interpreter 新的建议：
很好，不过我觉得这个图看起来很乱。能否以你的经验，对可视化过程加以改造，使得展示效果更好一些？你可以改变绘图要求的设定。但是我依然需要 3D 交互图形。谢谢
Code Interpreter 的反馈是：3D 散点图会显得混乱，特别是点重叠或靠近时。所以它自己提出整改措施如下：
第一，不用散点了，用折线图。这就是为什么在提示语中给它一定的自由度很重要。如果不给，Code Interpreter只能按散点图来处理。给了自由度后，它可以把数据可视化经验用上，帮你做出更好的技术路线选择。
第二，对销售数据进行偏移化，使线条在 3D 空间分开。这其实是我们自己做可视化时也会使用的技巧。
第三，不同颜色，表示不同商品。
Code Interpreter 重新生成了下载链接，我们看看效果。
现在的结果变成了折线图。折线图的好处是每一种商品更加紧凑，更清晰，你可以清楚看到哪一种商品销量一直高，哪些只在低谷徘徊。你还可以拉近，查看不同时间段上不同商品销售额的对比。
这个图完美吗？绝对算不上。但比之前的混乱散点图清晰多了，这就算是迭代改进的力量吧？
动图视频
下一步，我们来制作动画。我的提示语是：
请使用前 5 种商品的数据，以你认为合适的方式制作销量随时间变化的动画视频，做成 mp4 格式并且提供链接给我下载。谢谢
注意这里我没有指定用什么变量做横轴，什么变量做纵轴，也没有要求颜色、形状、范围。但是 Code Interpreter 凭借自身的经验，都可以自己做出分析决策。
Code Interpreter 使用 Matplotlib Animation 来制作折线图，并存成 MP4，还给了我一个下载链接。
结果给出的是一张静态图。我按照链接下载打开后，对应的视频是这个样子：
不同商品的销量都展现出来，而且根据时间顺序变化来逐步绘制，好不好？
不好！
线条颜色相似度这么高，基本分不出谁是谁，这图有什么用？
我说：
因为颜色和线条关系，这个视频看起来比较杂乱，能否根据你的经验改进一下？
Code Interpreter 说了 4 个解决步骤：更明显的颜色区分，线条粗细不同，使用不同线型，每帧只显示当周为止的一种商品销售数据。
我一边看，一遍评价 —— 好，好，好…… 且慢，这第四条是什么意思？
我下载了新的输出结果，看完哭笑不得。
它每次只画一条线，而且只有前 10 周的数据，这显然违背了我们的初衷。我们希望在全部 52 周时间里同时整体对比 5 种商品。
于是我又提出要求：
不大好。使用不同颜色、不同线条形状是正确的。但是我依然希望能够一起展现全部 5 种商品的变化，时间周期也是全部的 52 周。另外把播放速度稍微放慢一些，最好能在线条当前终点位置动态显示商品的名称编号，比较直观。请调整输出，谢谢
Code Interpreter 改进后的输出是这样的：
我通过链接下载，打开看看：
这次的结果有明显进步，但 Code Interpreter 自动给出的颜色还有些相近。
我建议继续调整：
把颜色的差别弄得再大一些，播放速度降低到目前的 1/3，谢谢
Code Interpreter 说收到了两条意见，于是继续画。结果如下：
颜色区分开了，线条线型也对，但是速度我没感觉降下来。回头咱们抽空再敦促 Code Interpreter 调一下吧。
小结
本文我为你介绍了 ChatGPT 的 Code Interpreter 模式的数据高级可视化功能，主要包括三维交互图和动图视频。通过演示，你已经见到了 Code Interpreter 的能力。它现在还只是个 Alpha 测试版，存在的问题依旧很多。你可以把目前的 Code Interpreter 当成一个迭代螺旋的起点。我们希望它变得越来越好用。对数据可视化高手，Code Interpreter 可以帮忙完成许多过去需要手动完成的琐碎枯燥工作。当然，对于新手来说，Code Interpreter 带来的优势更是不言而喻，是吧？只不过，你要注意对它生成的结果加以仔细甄别，以求稳妥。
祝（自动）数据可视化愉快！
如果你觉得本文有用，请充电。
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏「科研利器」，以便及时收到后续的更新内容。
点击这个链接加入少数派会员，立享 9 折优惠！获得专属会员内容、会员播客以及会员定制周边。在更多的领域和方向帮你打开脑洞，找到新的兴趣点，与少数派一起洞悉当下，探索新知。
