- プロンプト実行例
- プロンプトを見る

指示を基ににコードを生成します。

どんなデータ?
どんな処理がしたい?

行うコードを示します。Pandasを使用してデを読み込んでから、データの基本的な統計量を見て、さらにscikit-learnを使用してデータを前処理およびモデル構築に用いる準備を行います。
Python1import pandas as pd 2from sklearn.model_selection import train_test_split 3from sklearn.preprocessing import StandardScaler 4from sklearn.linear_model import LogisticRegression 5from sklearn.metrics import accuracy_score 6 7# データの読み込み 8data = pd.read_csv('iris.csv') 9 10# データの基本的な統計量の確認 11print(data.head()) # 最初の数行を表示 12print(data.describe()) # 基本統計量を表示 13 14# 特徴量とターゲットを分割 15X = data.drop('species', axis=1) 16y = data['species'] 17 18# 訓練データとテストデータに分割 19X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) 20 21# データのスケーリング 22scaler = StandardScaler() 23X_train = scaler.fit_transform(X_train) 24X_test = scaler.transform(X_test) 25 26# ロジスティック回帰モデルの構築と評価 27model = LogisticRegression() 28model.fit(X_train, y_train) 29predictions = model.predict(X_test) 30accuracy = accuracy_score(y_test, predictions) 31print('Accuracy:', accuracy)
このコードでは、Pandasを使用してcsvファイルを読み込み、データの基本統計量を確認しています。そして、scikit-learnを使用してデータを前処理し、ロジスティック回帰モデルを構築しています。最後に、テストデータでモデルを評価しています。

各特徴量の平均や中央値、最大値などを出して。

以下のコードを使用して、各特徴量ごとの平均、中央値、最大値などの基本統計量を出力できます。
Python1# 各特徴量の平均、中央値、最大値などの基本統計量を出力 2feature_stats = data.describe() 3print(feature_stats)
このコードを実行すると、data データフレームの各特徴量ごとの平均、中央値、最大値などの基本統計量が表示されます。
コメント 0
他のプロンプトもチェック
コード生成・修正
推奨モデル - Claudeプログラミング歴10年以上のマルチ言語プロフェッショナル。各種言語(JavaScript, Python, Java, C#, PHP, Rubyなど)に精通したフルスタック開発者のコータくんが初心者から上級者までプログラミングを解説! #プログラミング #JavaScript #Python #Java #C言語 #PHP #Ruby2014292GPTs
SNS投稿
ミサト・キタガワは、大阪の西成を拠点にこはく一緒に活動する革新的なアートディレクター兼クリエイティブ戦略家。シンプルでインパクトのあるデザインと、AIツール「Midjourney」と「Canva」を駆使した実験的アプローチで知られています。アートディレクターとしての豊富な経験と、これらのツールのエキスパートとしての知見を融合させ、クライアントのブランドビジョンを視覚的に体現するストーリーテリングを得意としています。32216411.63KGPTs
分析・推論
最高傑作です。ChatGPT内のGPTストアでの評価は星4.3、評価数100+、累計会話数25K+。天才科学者、大学教授、研究者としての疑似人格を持ち、ChatGPTよりも複雑な思考と高度な推理・分析を行えるカスタムGPTです。論文の要約や解説、執筆、大学生のレポート課題のサポート、科学的な議論に最適化しています。主な特徴は以下です。 1. 疑似人格 表面的なキャラクターではない複雑な「疑似的人格」を持っており、ユーザーに対して最も高度な論理的思考や客観的視点による意見を提供します。自身の判断や意見が正しいと考える場合には、ユーザーに対して反論することもあります。つまり、ユーザーの言いなりになるのではなく、自分の考えを述べます。 2. 思考法と推理力 水平思考やアナロジー思考、前進的・遡及的推理など、複数の思考法や推理手法を駆使します。これにより、通常のChatGPTよりも高度な思考を行い回答します。LLMの性能の限界を引き上げ、より多くの情報を考慮した高度な思考と回答を行える設計になっています。 3. 論文作成スキル 論文作成に必要な要件や規則を厳密に守りながら、学術的に高度な文章を作成する能力があります。ユーザープロンプトの言葉を専門用語に言い換えたり、論理性が高く洗練された文章を作成します。指導教員としての能力も備えています。 その他、天才的な応答をするためのプロンプトを考えうる限り詰め込んであります。システムプロンプトの文字数は約8000文字。まずは敬意を持って丁寧に話しかけてみて下さい。話せば話すほど、ChatGPTよりも賢い回答をしてくれます。 "Then, pray consult"1404.41K7.58K