ChatGPT-യിലെ പട്ടികകളുമായി സംവദിക്കൽ

ഒരു ഫയൽ അപ്‌ലോഡ് ചെയ്യുമ്പോൾ, ഡാറ്റയിലൂടെ സ്ക്രോൾ ചെയ്യാനും എല്ലാ വരികളും കോളങ്ങളും കാണാനും കഴിയുന്ന സംവേദനാത്മക പട്ടികാ കാഴ്ച ChatGPT സ്വയമേവ സൃഷ്ടിക്കും.

ഫയൽ അപ്‌ലോഡ് ചെയ്തുകഴിഞ്ഞാൽ, ഡാറ്റാസെറ്റുമായി ബന്ധപ്പെട്ട തുടർചോദ്യങ്ങൾ ചോദിക്കാം. പ്രോംപ്റ്റുകളിൽ പ്രത്യേക പ്രവർത്തനങ്ങൾ വ്യക്തമാക്കേണ്ടതില്ല. “വിശകലനം ചെയ്യുക” അല്ലെങ്കിൽ “താരതമ്യം ചെയ്യുക” പോലുള്ള സ്വാഭാവിക ഭാഷയിലുള്ള നിർദേശങ്ങൾ നൽകിയാൽ ChatGPT-യിൽ നിന്ന് ഫലങ്ങൾ ലഭിക്കും.

ഔട്ട്‌പുട്ട് ഒരു പട്ടികയായി സൃഷ്ടിക്കാൻ ആവശ്യപ്പെട്ടുകൊണ്ട് ChatGPT-യിൽ നേരിട്ട് പട്ടികകൾ സൃഷ്ടിക്കാനും കഴിയും.

ഡാറ്റ കൂടുതൽ വ്യക്തമായി കാണാൻ, പട്ടികയുടെ മുകളിൽ വലത് കോണിലുള്ള രണ്ട് അമ്പടയാളങ്ങളിൽ ക്ലിക്ക് ചെയ്ത് പട്ടിക വികസിപ്പിക്കാം:

പട്ടികാ കാഴ്ചയിൽ ഒരു പ്രത്യേക വരിയോ കോളമോ തിരഞ്ഞെടുത്ത്, ഹൈലൈറ്റ് ചെയ്ത ഡാറ്റയെക്കുറിച്ചുള്ള ഉൾക്കാഴ്ചകൾ ലഭിക്കാൻ ഒരു പ്രോംപ്റ്റ് സൃഷ്ടിക്കാം. ഉദാഹരണത്തിന്, ഇവിടെ ഒരു കോളം തിരഞ്ഞെടുത്ത് അതിൽ ഏറ്റവും കൂടുതൽ തവണ പ്രത്യക്ഷപ്പെടുന്ന ഇനം ഏതെന്ന് ചോദിച്ചിരിക്കുന്നു.

Mac-ൽ Command കീ അല്ലെങ്കിൽ Windows-ൽ Ctrl കീ അമർത്തിപ്പിടിച്ച് വരികളിലോ കോളങ്ങളിലോ ക്ലിക്ക് ചെയ്യുന്നതിലൂടെ ഒന്നിലധികം വരികളോ കോളങ്ങളോ തിരഞ്ഞെടുക്കാം. ഒരു സെല്ലിൽ ക്ലിക്ക് ചെയ്ത് ആവശ്യമുള്ള ഭാഗം ഉൾപ്പെടുന്നവിധം മൗസ് വലിച്ചുകൊണ്ട് ഒന്നിലധികം സെല്ലുകളും തിരഞ്ഞെടുക്കാം.

ഒന്നിലധികം ഇനങ്ങൾ തിരഞ്ഞെടുത്തശേഷം, അവയിലെ മൂല്യങ്ങൾ ഉപയോഗിച്ച് ഒരു മൂല്യം കണക്കാക്കാനോ മറ്റൊരു പ്രവർത്തനം നടത്താനോ ChatGPT-നോട് ആവശ്യപ്പെടാം. ഉദാഹരണത്തിന്, ഒരു കൂട്ടം സെല്ലുകൾ ഹൈലൈറ്റ് ചെയ്ത് ശരാശരി മൂല്യം കണക്കാക്കാൻ ChatGPT-നോട് ആവശ്യപ്പെടാം.

ChatGPT ഉപയോഗിച്ച് പട്ടികകൾ തിരുത്തുകയും സൃഷ്ടിക്കുകയും ചെയ്യൽ

നിലവിലുള്ള പട്ടികകൾ അപ്‌ലോഡ് ചെയ്ത്, അവ പുതുക്കാൻ ChatGPT-ന് നിർദേശം നൽകി തിരുത്താം. ഉദാഹരണത്തിന്, ശരാശരി മൂല്യങ്ങൾ ഉൾക്കൊള്ളുന്ന ഒരു കോളം ചേർത്ത് പട്ടിക പുതുക്കാൻ ChatGPT-ന് പ്രോംപ്റ്റ് നൽകാം.

പുതുക്കലുകൾക്ക് അടിസ്ഥാനമാക്കേണ്ട കോളങ്ങളോ വരികളോ സെല്ലുകളോ ഹൈലൈറ്റ് ചെയ്ത്, ആവശ്യമായ മാറ്റങ്ങൾ വരുത്താൻ ChatGPT-ന് പ്രോംപ്റ്റ് നൽകാം. ഇവിടെ രണ്ട് കോളങ്ങൾ ഹൈലൈറ്റ് ചെയ്ത്, അവയിലെ മൂല്യങ്ങളുടെ ആകെത്തുക ഉൾക്കൊള്ളുന്ന പുതിയൊരു കോളം പട്ടികയിൽ ചേർക്കാൻ ആവശ്യപ്പെട്ടിരിക്കുന്നു.

പട്ടികയുടെ മുകളിൽ വലത് കോണിലുള്ള ഡൗൺലോഡ് ബട്ടൺ ക്ലിക്ക് ചെയ്ത് ChatGPT സൃഷ്ടിച്ച പട്ടിക ഡൗൺലോഡ് ചെയ്യാം. ഡൗൺലോഡ് ചെയ്യുന്ന ഫയൽ CSV ഫോർമാറ്റിലായിരിക്കുമെന്ന കാര്യം ശ്രദ്ധിക്കുക.

ChatGPT ഉപയോഗിച്ച് നിങ്ങളുടെ ഡാറ്റ ദൃശ്യവൽക്കരിക്കൽ

ഒരു ഫയൽ അപ്‌ലോഡ് ചെയ്ത ശേഷം, ഒരു സ്റ്റാറ്റിക് ചാർട്ട് സൃഷ്ടിക്കാൻ നിങ്ങൾക്ക് ChatGPT-നോട് പ്രോംപ്റ്റ് ചെയ്യാം. ഡാറ്റാസെറ്റിനുള്ള അനുയോജ്യമായ ചാർട്ട് തരം നിർണ്ണയിക്കാൻ ChatGPT-നെ അനുവദിക്കുകയോ, നിങ്ങളുടെ പ്രോംപ്റ്റിൽ ഞങ്ങൾ പിന്തുണയ്ക്കുന്ന ചാർട്ട് തരങ്ങളിൽ ഒന്ന് വ്യക്തമാക്കുകയോ ചെയ്യാം: ലൈൻ ഗ്രാഫ്, ബാർ ചാർട്ട്, പൈ ചാർട്ട്, ഹിസ്റ്റോഗ്രാമുകൾ, സ്‌കാറ്റർ പ്ലോട്ട്, ബോക്സ് പ്ലോട്ടുകൾ (Box-and-Whisker Plots), ഹീറ്റ് മാപ്പുകൾ, ഏരിയ ചാർട്ടുകൾ, റഡാർ ചാർട്ടുകൾ, ട്രീമാപ്പുകൾ, ബബിൾ ചാർട്ടുകൾ, വാട്ടർഫോൾ ചാർട്ടുകൾ.

നിലവിൽ ഭൂരിഭാഗം സാഹചര്യങ്ങളിലും ബാർ, പൈ, സ്‌കാറ്റർ, ലൈൻ ചാർട്ടുകൾ മാത്രമാണ് ഇന്ററാക്ടീവ് എന്നത് ശ്രദ്ധിക്കുക.

ചാർട്ട് തരം വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ, ഔട്ട്പുട്ട് ചെയ്യാനുള്ള അനുയോജ്യമായ ചാർട്ട് തരം ChatGPT നിർണ്ണയിക്കും.

ചാർട്ടിന്റെ മുകളിൽ വലത് കോണിൽ, നിങ്ങൾക്ക് ചാർട്ട് ഡൗൺലോഡ് ചെയ്യാനോ അതിന്റെ വലുപ്പം വികസിപ്പിക്കാനോ കഴിയും. ഡിഫോൾട്ടായി, ഡൗൺലോഡ് ചെയ്യുന്ന ചാർട്ടുകൾ PNG ഫോർമാറ്റിലാണ്.

ചാർട്ട് നിറങ്ങളിൽ മാറ്റങ്ങൾ വരുത്താനും അതിന്റെ ഇന്ററാക്ടിവിറ്റി ഓണാക്കുകയോ ഓഫാക്കുകയോ ചെയ്യാനും നിങ്ങൾക്ക് കഴിയും. നിറങ്ങൾ മാറ്റുമ്പോൾ, ഞങ്ങളുടെ ഡിഫോൾട്ട് നിറങ്ങളിൽ ഒന്ന് തിരഞ്ഞെടുക്കുകയോ ഒരു നിറത്തിന്റെ ഹെക്സ് കോഡ് നൽകുകയോ ചെയ്യാം.

പൊതുവായ വിശകലന തരങ്ങൾ

വിവിധ ഡാറ്റാ വിശകലന ജോലികൾ നിർവഹിക്കാൻ ChatGPT-നെ പരിശീലിപ്പിച്ചിട്ടുണ്ട്. ചില പൊതുവായ ജോലികളിൽ ഇവ ഉൾപ്പെടുന്നു:

അസാധാരണത്വങ്ങൾ കണ്ടെത്തലും പരിഹാരവും

ഡാറ്റ ഉപയോഗിച്ച് തീരുമാനങ്ങൾ എടുക്കുമ്പോൾ, നിങ്ങളുടെ ഉറവിട ഡാറ്റ സാധ്യമായത്ര കൃത്യമാണെന്ന് ഉറപ്പാക്കുന്നത് പ്രധാനമാണ്. വിട്ടുപോയതോ തെറ്റായതോ ആയിരിക്കാവുന്ന ഡാറ്റ തിരിച്ചറിയാൻ ChatGPT-ന് അറിയാം. ChatGPT-ന് തിരിച്ചറിയാനും പരിഹരിക്കാനും കഴിയുന്ന പൊതുവായ പ്രശ്നങ്ങളിൽ ഇവ ഉൾപ്പെടുന്നു:

• വിട്ടുപോയ മൂല്യങ്ങൾ

• ഔട്ട്‌ലയർ മൂല്യങ്ങൾ

• ഡ്യൂപ്ലിക്കേറ്റ് വരികൾ

• തെറ്റായ ഡാറ്റാ തരങ്ങൾ

ഇതുപോലൊരു പ്രോംപ്റ്റ് ഉപയോഗിച്ച് നിങ്ങളുടെ വിശകലനം ആരംഭിക്കുക: ഈ ഡാറ്റയിൽ പൊതുവായ പ്രശ്നങ്ങളുണ്ടോയെന്ന് പരിശോധിക്കുക.

ChatGPT പൊതുവായ പ്രശ്നങ്ങൾ തിരിച്ചറിഞ്ഞുകഴിഞ്ഞാൽ, ആ പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ നിങ്ങൾക്ക് അതിനോട് ആവശ്യപ്പെടാം. നേരിട്ട പ്രശ്നങ്ങളെ ആശ്രയിച്ച്, നിങ്ങൾക്ക് തിരഞ്ഞെടുക്കാനായി ChatGPT ഒന്നിലധികം ഓപ്ഷനുകൾ നൽകാം. ഈ തിരഞ്ഞെടുപ്പുകളുടെ പ്രത്യാഘാതങ്ങളെക്കുറിച്ച് നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ, കൂടുതൽ വിവരങ്ങൾക്കായി ChatGPT-നോട് ചോദിക്കാൻ ശ്രമിക്കുക.

സമാഹരണവും ഏകീകരണവും

വിവരങ്ങൾ മനസ്സിലാക്കാൻ നിങ്ങളെ സഹായിക്കുന്നതിന് ഘടനാപരമായ വലിയ അളവിലുള്ള ഡാറ്റ ChatGPT-ന് സമാഹരിക്കാനാകും. ChatGPT-ന് ചെയ്യാനാകുന്ന ചില സമാഹരണങ്ങളിൽ ഇവ ഉൾപ്പെടുന്നു:

• തുകകൾ

• ശരാശരികൾ (മീഡിയൻ, മീൻ, മോഡ്)

• കുറഞ്ഞതും കൂടിയതുമായ മൂല്യങ്ങൾ

• വ്യത്യസ്ത മൂല്യങ്ങളുടെ എണ്ണങ്ങൾ

• സ്റ്റാൻഡേർഡ് ഡീവിയേഷൻ

നിങ്ങൾക്ക് ഒരു പട്ടിക വികസിപ്പിച്ച് ഒന്നോ അതിലധികമോ സംഖ്യാ കോളങ്ങൾ തിരഞ്ഞെടുക്കാം, തുടർന്ന് ഇതുപോലൊരു പ്രോംപ്റ്റ് ഉപയോഗിക്കാം: ഈ ഡാറ്റയുടെ മീഡിയനും സ്റ്റാൻഡേർഡ് ഡീവിയേഷനും കണക്കാക്കുക.

പൊതുവായ ഐഡന്റിഫയറുകളെ അടിസ്ഥാനമാക്കി ഒന്നിലധികം ഡാറ്റാസെറ്റുകൾ ഒന്നിച്ച് ലയിപ്പിക്കാനും ChatGPT-ന് കഴിയും.

നിങ്ങൾ രണ്ട് സ്പ്രെഡ്ഷീറ്റുകൾ അപ്‌ലോഡ് ചെയ്യുന്നു എന്ന് കരുതുക; ഒന്നിൽ ഉപഭോക്താക്കളും മറ്റൊന്നിൽ വാങ്ങലുകളും അടങ്ങിയിരിക്കുന്നു. വാങ്ങൽ റെക്കോർഡുകൾ ഒരു customer_id പ്രോപ്പർട്ടി വഴി ഉപഭോക്തൃ റെക്കോർഡുകളുമായി ബന്ധിപ്പിച്ചിരിക്കുന്നു. രണ്ട് ഫയലുകളും ഒറ്റ ഡാറ്റാസെറ്റിലേക്ക് എങ്ങനെ ഏകീകരിക്കാമെന്ന് ChatGPT-ന് അറിയാം, അതുവഴി “ഗോൾഡ് പ്ലാനിലുള്ള ഉപഭോക്താക്കൾ നടത്തിയ എല്ലാ വാങ്ങലുകളുടെയും ആകെ തുക എത്രയാണ്?”

ആവശ്യമായ ചോദ്യം നിങ്ങൾ ചോദിക്കുമ്പോൾ ChatGPT സ്വയമേവ ഡാറ്റാസെറ്റുകൾ നിങ്ങൾക്കായി ലയിപ്പിക്കും.

അഡ്വാൻസ്ഡ് സ്റ്റാറ്റിസ്റ്റിക്കൽ അനാലിസിസ്

വിവിധതരം സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശകലനങ്ങൾ എങ്ങനെ നടത്തണമെന്ന് ChatGPT-ന് അറിയാം, കൂടാതെ നിങ്ങളുടെ ആവശ്യകതകളെ അടിസ്ഥാനമാക്കി അനുയോജ്യമായ സാങ്കേതിക വിദ്യകൾ തിരഞ്ഞെടുക്കാനും കഴിയും. ChatGPT-ന് ചെയ്യാനാകുന്ന ചില തരത്തിലുള്ള വിശകലനങ്ങളിൽ ഇവ ഉൾപ്പെടുന്നു:

• താരതമ്യ സ്ഥിതിവിവരശാസ്ത്രം: വ്യത്യാസങ്ങളോ സമാനതകളോ മനസ്സിലാക്കാൻ വ്യത്യസ്ത ഗ്രൂപ്പുകളെയോ വേരിയബിളുകളെയോ താരതമ്യം ചെയ്യുന്നതാണ് ഇത്. സാങ്കേതിക വിദ്യകളിൽ t-tests, ANOVA (Analysis of Variance), MANOVA (Multivariate Analysis of Variance) എന്നിവ ഉൾപ്പെടുന്നു.

• കോറിലേഷൻ ആൻഡ് റിഗ്രഷൻ അനാലിസിസ്: ഈ രീതികൾ വേരിയബിളുകൾ തമ്മിലുള്ള ബന്ധം വിലയിരുത്തുന്നു. ബന്ധത്തിന്റെ ശക്തിയും ദിശയും കോറിലേഷൻ വിശകലനം അളക്കുന്നു, അതേസമയം ഫലങ്ങൾ പ്രവചിക്കാൻ റിഗ്രഷൻ വിശകലനം ബന്ധത്തെ മോഡൽ ചെയ്യുന്നു.

• ടൈം സീരീസ് അനാലിസിസ്: ട്രെൻഡുകൾ, സൈക്കിളുകൾ, സീസണൽ ഇഫക്റ്റുകൾ എന്നിവ തിരിച്ചറിയാൻ കാലക്രമേണ ശേഖരിച്ച ഡാറ്റാ പോയിന്റുകൾ ഈ തരത്തിലുള്ള വിശകലനം പരിശോധിക്കുന്നു. രീതികളിൽ ARIMA (Autoregressive Integrated Moving Average), Seasonal Decomposition എന്നിവ ഉൾപ്പെടുന്നു.

ഈ സാങ്കേതിക വിദ്യകൾ ഉപയോഗിക്കാൻ നിങ്ങൾ ഒരു ഡാറ്റാ ശാസ്ത്രജ്ഞൻ ആയിരിക്കേണ്ടതില്ല! നിങ്ങളുടെ ഡാറ്റയ്ക്ക് ഏത് സാങ്കേതിക വിദ്യയാണ് ഏറ്റവും അനുയോജ്യമെന്ന് ഉറപ്പില്ലെങ്കിൽ, നിങ്ങൾ എന്താണ് മനസ്സിലാക്കാൻ ആഗ്രഹിക്കുന്നതെന്ന് ChatGPT-നോട് പറഞ്ഞ് മികച്ച വിശകലന സാങ്കേതിക വിദ്യ ശുപാർശ ചെയ്യാൻ ആവശ്യപ്പെടുക. വിശകലനത്തിന്റെ ഔട്ട്പുട്ട് എങ്ങനെ വ്യാഖ്യാനിക്കണമെന്നുറപ്പില്ലെങ്കിൽ, അത് നിങ്ങൾക്ക് വിശദീകരിക്കാൻ ChatGPT-നോട് ആവശ്യപ്പെടുക. ഫലപ്രദമായ ഒരു പ്രോംപ്റ്റ് ഇങ്ങനെ ആകാം: ഈ വിശകലനത്തിൽ ശ്രദ്ധേയമോ അസാധാരണമോ ആയ എന്തെങ്കിലും ഉണ്ടോ?