Exploring the Code Interpreter in OpenAI GPT
05
ล่ามโค้ดเป็นคุณสมบัติขั้นสูงของ GPTs.x และ ChatGPT ของ OpenAI ที่นำระดับใหม่ของการโต้ตอบมาสู่โมเดล AI ได้รับการออกแบบมาเพื่อรันโค้ด Python ในสภาพแวดล้อมแบบแซนด์บ็อกซ์และให้ผลลัพธ์แบบเรียลไทม์ ทำให้เป็นเครื่องมือที่ทรงพลังสำหรับงานที่หลากหลายตั้งแต่การคำนวณทางคณิตศาสตร์ไปจนถึงการวิเคราะห์ข้อมูล ตั้งแต่การสร้างต้นแบบโค้ดไปจนถึงการสอนและการเรียนรู้การเขียนโปรแกรม Python แบบโต้ตอบ แม้ว่าฟังก์ชันการทำงานจะมีข้อจำกัดบางประการเนื่องจากเหตุผลด้านความปลอดภัย แต่ก็เปิดโอกาสให้ผู้ใช้สามารถโต้ตอบกับ ChatGPT ในรูปแบบใหม่ทั้งหมดได้
ล่ามโค้ดเป็นเครื่องมือที่พัฒนาโดย OpenAI เพื่อรันโค้ดโปรแกรมในสภาพแวดล้อมแบบโต้ตอบ สามารถรันโค้ด Python และแสดงผลแบบเรียลไทม์ได้
ล่ามโค้ดสามารถใช้งานได้หลากหลาย รวมถึง:
ChatGPT สามารถสร้าง ตรวจสอบ และแก้ไขโค้ดตามข้อกำหนดที่ให้ไว้ นอกจากนี้ยังสามารถช่วยในการวางโครงสร้างโค้ดและให้คำแนะนำในการปรับปรุงอีกด้วย นอกจากนี้ยังสามารถอธิบายแนวคิดการเขียนโปรแกรมที่ซับซ้อนและช่วยในการแก้ไขปัญหาการเขียนโค้ดได้
แม้ว่าตัวแปลโค้ดจะเป็นเครื่องมือที่ทรงพลัง แต่ก็มีข้อจำกัดบางประการ:
แม้จะมีข้อจำกัดเหล่านี้ ตัวแปลโค้ดก็เป็นเครื่องมืออเนกประสงค์ที่สามารถช่วยโปรแกรมเมอร์ทุกระดับทักษะได้อย่างมาก
ล่ามรหัสมีประโยชน์หลายประการ:
หากต้องการดำเนินการตัวอย่างที่กล่าวถึงใน README นี้ คุณต้องติดตั้งไลบรารี Python บางตัว คุณสามารถติดตั้งได้โดยใช้ pip:
pip install pandas openpyxl python-docx PyPDF2 fpdf2 matplotlib pillowล่ามโค้ดสามารถเข้าถึงไดเร็กทอรีพิเศษ '/mnt/data' ซึ่งสามารถอ่านและเขียนไฟล์ได้ สามารถใช้สำหรับการดำเนินการที่ต้องการบันทึกหรือโหลดข้อมูล เช่น การเขียนบันทึก การบันทึกแปลง หรือการโหลดข้อมูลเพื่อการวิเคราะห์ อย่างไรก็ตาม ไม่สามารถเข้าถึงตำแหน่งอื่นในระบบไฟล์ได้
ไดเร็กทอรี '/mnt/data' เป็นสถานที่จัดเก็บข้อมูลพิเศษที่ล่ามโค้ดสามารถเข้าถึงเพื่ออ่านและเขียนไฟล์ได้ สิ่งนี้มีประโยชน์อย่างยิ่งสำหรับการดำเนินการที่ต้องใช้พื้นที่เก็บข้อมูลถาวรหรือการแลกเปลี่ยนข้อมูลระหว่างการเรียกใช้โค้ดที่ต่างกัน
ต่อไปนี้คือบางวิธีที่คุณสามารถใช้ไดเร็กทอรี '/mnt/data':
with open ( '/mnt/data/numbers.txt' , 'w' ) as file :
for num in range ( 10 ):
file . write ( str ( num ) + ' n ' )หากต้องการอ่านไฟล์ คุณจะต้องทำดังนี้
with open ( '/mnt/data/numbers.txt' , 'r' ) as file :
numbers = file . readlines () with open ( '/mnt/data/log.txt' , 'w' ) as file :
file . write ( 'This is a log message.' ) import matplotlib . pyplot as plt
plt . plot ([ 0 , 1 , 2 , 3 , 4 ], [ 0 , 1 , 4 , 9 , 16 ])
plt . savefig ( '/mnt/data/plot.png' )จากนั้นคุณสามารถดาวน์โหลดไฟล์ภาพได้โดยตรงจากลิงก์แซนด์บ็อกซ์ที่สร้างขึ้น
โปรดจำไว้ว่า การดำเนินการกับไฟล์ใดๆ จะต้องดำเนินการโดยใช้เส้นทาง '/mnt/data' ล่ามโค้ดไม่สามารถเข้าถึงตำแหน่งอื่นบนระบบไฟล์ได้
ด้วยความช่วยเหลือของไลบรารี Python ต่างๆ เช่น PIL (Python Imaging Library), OpenCV และ matplotlib ทำให้สามารถดำเนินการต่างๆ กับรูปภาพได้ นี่คือตัวอย่างบางส่วน:
from PIL import Image
import matplotlib . pyplot as plt
# Open the image file
img = Image . open ( '/mnt/data/your_image.jpg' )
# Display the image
plt . imshow ( img )
plt . axis ( 'off' ) # Turn off the axis
plt . show () # Resize the image
img_resized = img . resize (( new_width , new_height )) # Rotate the image
img_rotated = img . rotate ( angle )
# Flip the image
img_flipped = img . transpose ( Image . FLIP_LEFT_RIGHT ) # Convert the image to grayscale
img_gray = img . convert ( 'L' ) from PIL import ImageEnhance
# Increase the brightness
enhancer = ImageEnhance . Brightness ( img )
img_brighter = enhancer . enhance ( 1.5 ) from PIL import ImageFilter
# Apply a filter
img_blurred = img . filter ( ImageFilter . GaussianBlur ( radius = 5 )) # Get the histogram
hist = img . histogram () # Merge images
img_merged = Image . merge ( 'RGB' , [ img1 , img2 , img3 ])การจัดการไฟล์ Excel เป็นงานทั่วไปที่มีตั้งแต่การวิเคราะห์ข้อมูลไปจนถึงการสร้างรายงาน คำแนะนำเกี่ยวกับการดำเนินการขั้นพื้นฐานและขั้นสูงกับไฟล์ Excel ที่ใช้ Python มีดังนี้
หากต้องการอ่านและเขียนไฟล์ Excel มักใช้ pandas พร้อมกับ openpyxl ต่อไปนี้เป็นวิธีอ่านและเขียนลงในไฟล์ Excel:
import pandas as pd
# Load an Excel file
df = pd . read_excel ( '/mnt/data/example.xlsx' )
# Display data
print ( df . head ())###หากต้องการเขียนข้อมูลลงในไฟล์ Excel:
# Create a DataFrame
data = { 'Name' : [ 'Alice' , 'Bob' , 'Charlie' ], 'Age' : [ 25 , 30 , 35 ]}
df = pd . DataFrame ( data )
# Write DataFrame to an Excel file
df . to_excel ( '/mnt/data/saved_data.xlsx' , index = False )คุณสามารถกรองข้อมูลตามเงื่อนไข เพิ่มคอลัมน์ใหม่ หรือแปลงข้อมูลที่มีอยู่ได้:
# Filter rows where age is greater than 28
filtered_df = df [ df [ 'Age' ] > 28 ]
# Add a new column
df [ 'Age Next Year' ] = df [ 'Age' ] + 1
# Sort data
sorted_df = df . sort_values ( by = 'Age' , ascending = False )นอกจากการอ่านและเขียนไฟล์ Excel แล้ว คุณยังสามารถทำงานประมวลผลข้อมูลขั้นสูงได้ เช่น การสร้างตาราง Pivot หรือการรวมไฟล์ Excel หลายไฟล์เข้าด้วยกัน
import pandas as pd
# Load example data
df = pd . read_excel ( '/mnt/data/example.xlsx' )
# Create a pivot table
pivot_table = df . pivot_table ( index = 'Category' , values = 'Sales' , aggfunc = 'sum' )
# Display the pivot table
print ( pivot_table ) import pandas as pd
import glob
# Read all Excel files in the directory
files = glob . glob ( '/mnt/data/*.xlsx' )
# Merge data from all files
df_list = [ pd . read_excel ( file ) for file in files ]
merged_df = pd . concat ( df_list , ignore_index = True )
# Display the merged data
print ( merged_df . head ())ต่อไปนี้เป็นปัญหาทั่วไปและแนวทางแก้ไข:
หากคุณพบปัญหาเพิ่มเติม ให้เปิดปัญหาบน GitHub หรือติดต่อผู้ดูแลโครงการ
การจัดการไฟล์ Microsoft Word เกี่ยวข้องกับการอ่าน การเขียน และการแก้ไขเอกสาร ต่อไปนี้คือวิธีจัดการไฟล์ Word โดยใช้ Python:
หากต้องการอ่านข้อความจากเอกสาร Word จะใช้ไลบรารี python-docx :
from docx import Document
# Load a Word document
doc = Document ( '/mnt/data/example.docx' )
# Read each paragraph
for para in doc . paragraphs :
print ( para . text )หากต้องการสร้างและเขียนลงในเอกสาร Word:
from docx import Document
# Create a new Word document
doc = Document ()
doc . add_paragraph ( 'Hello, this is a test document.' )
# Save the document
doc . save ( '/mnt/data/new_example.docx' ) from docx import Document
# Create a new Word document
doc = Document ()
# Add a table with specified number of rows and columns
table = doc . add_table ( rows = 3 , cols = 3 )
# Add data to the table
data = [
[ "Header 1" , "Header 2" , "Header 3" ],
[ "Row 1, Col 1" , "Row 1, Col 2" , "Row 1, Col 3" ],
[ "Row 2, Col 1" , "Row 2, Col 2" , "Row 2, Col 3" ]
]
for row_index , row_data in enumerate ( data ):
row = table . rows [ row_index ]
for col_index , cell_data in enumerate ( row_data ):
row . cells [ col_index ]. text = cell_data
# Save the document
doc . save ( '/mnt/data/table_example.docx' ) from docx import Document
from docx . shared import Pt , RGBColor
# Load a Word document
doc = Document ( '/mnt/data/example.docx' )
# Add a paragraph with specific formatting
paragraph = doc . add_paragraph ()
run = paragraph . add_run ( 'This is a formatted text.' )
run . font . size = Pt ( 14 ) # Font size
run . font . bold = True # Bold text
run . font . color . rgb = RGBColor ( 255 , 0 , 0 ) # Red color text
# Save the document
doc . save ( '/mnt/data/formatted_text.docx' ) from docx import Document
from docx . shared import Inches
# Create a new Word document
doc = Document ()
# Add a paragraph
doc . add_paragraph ( 'Below is an image:' )
# Add an image to the document
doc . add_picture ( '/mnt/data/your_image.jpg' , width = Inches ( 4 ), height = Inches ( 3 ))
# Save the document
doc . save ( '/mnt/data/image_example.docx' ) from docx import Document
# Create a new Word document
doc = Document ()
# Add a header
header = doc . sections [ 0 ]. header
header_paragraph = header . paragraphs [ 0 ]
header_paragraph . text = "This is the header"
# Add a footer
footer = doc . sections [ 0 ]. footer
footer_paragraph = footer . paragraphs [ 0 ]
footer_paragraph . text = "This is the footer"
# Add some body text
doc . add_paragraph ( "This is the body text of the document." )
# Save the document
doc . save ( '/mnt/data/header_footer_example.docx' )การจัดการไฟล์ PDF มักเกี่ยวข้องกับการอ่าน การแยกข้อความ และบางครั้งการแปลงเป็นรูปแบบอื่น วิธีจัดการไฟล์ PDF โดยใช้ Python มีดังนี้
หากต้องการอ่านและแยกข้อความจากไฟล์ PDF โดยทั่วไปจะใช้ไลบรารี PyPDF2 :
import PyPDF2
# Open a PDF file
with open ( '/mnt/data/example.pdf' , 'rb' ) as file :
pdf_reader = PyPDF2 . PdfReader ( file )
# Extract text from the first page
page = pdf_reader . pages [ 0 ]
text = page . extract_text ()
print ( text ) การสร้างและเขียนข้อความลงในไฟล์ PDF สามารถทำได้โดยใช้ไลบรารี fpdf2 :
from fpdf import FPDF
# Create instance of FPDF class
pdf = FPDF ()
# Add a page
pdf . add_page ()
# Set font
pdf . set_font ( "Arial" , size = 12 )
# Add a cell
pdf . cell ( 200 , 10 , txt = "Welcome to PDF handling with Python!" , ln = True , align = 'C' )
# Save the PDF to a file
pdf . output ( '/mnt/data/new_example.pdf' )การจัดการไฟล์ PDF มักเกี่ยวข้องกับการอ่าน การแยกข้อความ การรวม การแยก และการแก้ไขเอกสาร ต่อไปนี้เป็นการดำเนินการขั้นสูงบางส่วนโดยใช้ Python:
import PyPDF2
# List of PDF files to be merged
pdf_files = [ '/mnt/data/file1.pdf' , '/mnt/data/file2.pdf' , '/mnt/data/file3.pdf' ]
# Create a PDF merger object
pdf_merger = PyPDF2 . PdfMerger ()
# Append each PDF file
for pdf in pdf_files :
pdf_merger . append ( pdf )
# Write out the merged PDF
with open ( '/mnt/data/merged.pdf' , 'wb' ) as merged_pdf :
pdf_merger . write ( merged_pdf ) import PyPDF2
# Path to the PDF file
pdf_path = '/mnt/data/example.pdf'
# Create a PDF reader object
pdf_reader = PyPDF2 . PdfReader ( pdf_path )
# Split the PDF into separate pages
for page_num in range ( len ( pdf_reader . pages )):
pdf_writer = PyPDF2 . PdfWriter ()
pdf_writer . add_page ( pdf_reader . pages [ page_num ])
# Save each page as a separate PDF
output_path = f'/mnt/data/split_page_ { page_num + 1 } .pdf'
with open ( output_path , 'wb' ) as output_pdf :
pdf_writer . write ( output_pdf ) import PyPDF2
# Paths to the original PDF and the watermark PDF
original_pdf_path = '/mnt/data/original.pdf'
watermark_pdf_path = '/mnt/data/watermark.pdf'
# Create PDF reader objects
original_pdf = PyPDF2 . PdfReader ( original_pdf_path )
watermark_pdf = PyPDF2 . PdfReader ( watermark_pdf_path )
# Create a PDF writer object
pdf_writer = PyPDF2 . PdfWriter ()
# Apply the watermark to each page
for page_num in range ( len ( original_pdf . pages )):
original_page = original_pdf . pages [ page_num ]
watermark_page = watermark_pdf . pages [ 0 ]
original_page . merge_page ( watermark_page )
pdf_writer . add_page ( original_page )
# Save the watermarked PDF
with open ( '/mnt/data/watermarked.pdf' , 'wb' ) as watermarked_pdf :
pdf_writer . write ( watermarked_pdf ) import PyPDF2
# Path to the PDF file
pdf_path = '/mnt/data/example.pdf'
# Create a PDF reader object
pdf_reader = PyPDF2 . PdfReader ( pdf_path )
# Specify the range of pages to extract text from
start_page = 1
end_page = 3
# Extract text from the specified page range
extracted_text = ''
for page_num in range ( start_page - 1 , end_page ):
page = pdf_reader . pages [ page_num ]
extracted_text += page . extract_text ()
print ( extracted_text ) import PyPDF2
# Path to the PDF file
pdf_path = '/mnt/data/example.pdf'
# Create a PDF reader object
pdf_reader = PyPDF2 . PdfReader ( pdf_path )
pdf_writer = PyPDF2 . PdfWriter ()
# Copy all pages to the writer object
for page_num in range ( len ( pdf_reader . pages )):
pdf_writer . add_page ( pdf_reader . pages [ page_num ])
# Add metadata
metadata = {
'/Title' : 'Example PDF' ,
'/Author' : 'Your Name' ,
'/Subject' : 'Example Subject' ,
'/Keywords' : 'PDF, example, metadata'
}
pdf_writer . add_metadata ( metadata )
# Save the PDF with metadata
with open ( '/mnt/data/metadata_example.pdf' , 'wb' ) as metadata_pdf :
pdf_writer . write ( metadata_pdf )ยินดีบริจาค! โปรดส่งคำขอดึง
หากคุณชื่นชมผลงานของฉัน โปรดสนับสนุนฉันด้วย:
