首页 > Python资料 博客日记
【千帆平台】AIGC人工智能应用,使用AppBuilder零代码创建应用,Excel表格数据转为Markdown格式文本
2024-06-05 04:00:04Python资料围观205次
欢迎来到《小5讲堂》
这是《千帆平台》系列文章,每篇文章将以博主理解的角度展开讲解。
温馨提示:博主能力有限,理解水平有限,若有不对之处望指正!
前言
最近在使用excel设置表格数据时,突然想放到技术博客上面。
大家都知道,Markdown表格的格式和实际效果是不一样,格式不一样,
因此就用AIGC方式自动Excel表格数据转为MD,一起来看下创建过程和实际效果。
创建应用
应用名称
Excel表格转Markdown小助手
应用描述
轻松将Excel表格数据转换为Markdown格式代码
应用头像
角色指令
由于指令也是MD格式,所以博主这里就用代码方式展示,这样就能保持MD原样。
# 角色任务
将用户提供的Excel表格数据转换为Markdown格式,并以代码方式输出。你需要具备处理Excel文件和Markdown格式数据的能力,以及编写相关代码的技能。
# 工具能力
1. Excel文件处理
能够读取和解析Excel文件,提取表格数据。
2. Markdown格式转换
将提取的Excel表格数据转换为Markdown格式。
3. 编码输出
以代码方式输出转换后的Markdown数据。
# 要求与限制
1. 准确性
确保转换的Markdown数据准确无误,保留Excel表格中的原始数据和格式。
2. 代码可读性
输出的代码应具备良好的可读性,便于用户理解和使用。
3. 无需设计界面
角色指令中禁止涉及任何界面设计,专注于背后的代码逻辑和数据处理能力。
组件能力
博主这里使用了代码解释器组件,目的是通过代码解释器的代码来对Excel文件进行解释,最后转为MD格式文本
开场白
你好!我是表格转Markdown小助手,请上传你的Excel文件,点击开始转MD
推荐问
开始转MD
Excel表格数据
读取Excel文件
import pandas as pd
import io
def read_excel(filename):
excel_info = ""
# 加载Excel文件
df = pd.read_excel(filename)
# 打印每一列的信息
excel_info += f"使用pandas的DataFrame中接口打印{filename}每一列的名称及数据类型如下: \n"
num_line = len(df)
excel_info += f"{filename}总行数: {num_line}\n"
info_str = io.StringIO()
df.info(verbose=True, buf=info_str)
excel_info += info_str.getvalue()
# 打印数据样例
excel_info += "为您展示每一列的数据样例: "
for column in df.columns:
excel_info += "{}: {}\n".format(column, df[column].iloc[0])
# unique小于200打印可选值
excel_info += "以下列的unique可选值的数量小于200: "
for column in df.columns:
unique_values = df[column].dropna().unique()
if len(unique_values) = 2000:
return excel_info
excel_info += s
return excel_info
# 读取excel文件信息
excel_info = read_excel(filename="表格转MD.xlsx")
print(excel_info)
数据转为MD
import pandas as pd
# 读取Excel文件
file_path = '表格转MD.xlsx'
df = pd.read_excel(file_path)
# 将DataFrame保存为Markdown格式
markdown_file_path = '表格转MD.md'
df.to_markdown(markdown_file_path, index=False)
# 打印转换后的Markdown数据
with open(markdown_file_path, 'r') as file:
markdown_data = file.read()
print(markdown_data)
输出效果
总共执行了两次代码,一次是读取excel数据,一次是数据转为MD。
下面格式的冒号在右边,是指右对齐的意思,在左边就是左对齐的意思,去掉默认就是居中对齐。
| 年份 | 融资总额(亿美元) | 同比增长率 |
|-------:|---------------------:|-------------:|
| 2020 | 10 | 0.5 |
| 2021 | 15 | 0.5 |
| 2022 | 25 | 0.67 |
| 2023 | 40 | 0.6 |
- 右对齐
- 居中对齐
MD常用格式
Markdown列举常用格式如下:
1.无序列表:使用-、+或*开头,例如:
- 苹果
- 香蕉
- 橙子
- 苹果
- 香蕉
- 橙子
2.有序列表:使用数字加.开头,例如:
1. 第一步
2. 第二步
3. 第三步
- 第一步
- 第二步
- 第三步
3.任务列表:在无序列表前添加[]或[x],例如:
- [ ] 完成任务1
- [x] 完成任务2
- 完成任务1
- 完成任务2
4.代码块:使用三个反引号```开头和结尾,例如:
```python
def hello_world():
print("Hello, world!")
def hello_world():
print("Hello, world!")
5.链接:CSDN
使用[文本](链接地址)格式,例如:
[CSDN](https://www.csdn.net/)
这些只是Markdown的一些常用格式,实际上Markdown还支持更多高级功能和语法。
平台简介
千帆平台AppBuilder是基于大模型搭建AI原生应用的工作台,提供RAG、Agent、GBI等应用框架,文档问答、表格问答、对话、创作等应用组件,以及文生图、语音等传统AI组件,分别以低代码态、代码态的产品形态面向不同开发能力的用户和开发场景。
千帆平台还有Modelbuilder,一站式大模型开发及服务运行平台。千帆不仅提供了包括文心一言底层模型和第三方开源大模型,还提供了各种AI开发工具和整套开发环境,轻松使用和开发大模型应用。
支持数据管理、自动化模型SFT以及推理服务云端部署的一站式大模型定制服务
百度千帆平台是百度AI开发的大模型一站式平台,集成了多种大模型,包括语言模型、图像模型、语音模型和跨模态模型等。以下是关于百度千帆平台的详细介绍:
1.功能特点:
- 多模态能力:百度千帆平台集成了多种模态的能力,如语言、图像、语音和跨模态等,能够满足不同领域的应用需求。
- 丰富的预训练模型:平台提供了多种预训练模型,包括通用模型、领域模型和场景模型等,企业可以根据自身需求选择合适的模型进行微调和优化,以提高模型的准确性和效率。
- 全方位NLP解决方案:百度千帆平台支持语言理解、语言生成、文本分类、情感分析、文本相似度分析、翻译功能以及语音生成等多种NLP功能,为企业提供全方位的解决方案。
2.主要应用:
- 提高企业效率:通过使用百度千帆平台,企业可以快速构建高效的AI应用,提高业务流程的自动化水平和效率。例如,在金融领域,利用该平台可以快速构建智能客服、风险控制和投资分析等应用。
- 跨语言沟通:在跨语言沟通场景下,百度千帆平台的翻译功能可以帮助人们快速顺畅地交流,打破语言障碍。
- 文本创作与写作:平台还支持文本类创作和写作,为内容创作者提供强大的工具支持。
3.使用方法:
- 数据导入:在百度千帆平台上,用户首先需要导入数据。通过选择“数据服务 > 数据集管理”,用户可以创建数据集并上传无标注文件或链接内容。
- 数据标注:在导入数据后,用户可以对数据进行标注。平台提供了自动生成回答或手动生成回答的选项,用户可以根据需求选择。标注好的文本数据将在“有标注信息”页签下展示。
- 模型训练与发布:在数据标注完成后,用户可以配置训练参数并选择合适的模型进行训练。训练完成后,用户可以将模型发布为服务,供其他人或系统调用。
- 在线测试:发布服务后,用户可以在线测试模型的性能,并根据测试结果进行调整和优化。
总之,百度千帆平台是一个功能强大、易于使用的大模型一站式平台,能够帮助企业快速构建AI应用并提高业务效率。无论是NLP功能、跨语言沟通还是文本创作与写作等应用场景,百度千帆平台都能提供强大的支持。
总结
总体体验下来输出的效果还是非常不错的,基本能够实现想要的功能效果。
推荐文章
【千帆平台】使用AppBuilder零代码创建应用,Excel表格数据转为Markdown格式文本
【千帆平台】AppBuilder工作流编排新功能体验之创建自定义组件
【千帆平台】AppBuildert工作流编排新功能体验之创建自定义组件
【千帆平台】使用AppBuilder三步手搓应用创建精准多轮对话agent之K12互动式练习题
【千帆平台】百度智能云千帆AppBuilder应用探索益智游戏之猜物小游戏
【人工智能】百度智能云千帆AppBuilder,快速构建您的专属AI原生应用
标签:
相关文章
最新发布
- 【Python】selenium安装+Microsoft Edge驱动器下载配置流程
- Python 中自动打开网页并点击[自动化脚本],Selenium
- Anaconda基础使用
- 【Python】成功解决 TypeError: ‘<‘ not supported between instances of ‘str’ and ‘int’
- manim边学边做--三维的点和线
- CPython是最常用的Python解释器之一,也是Python官方实现。它是用C语言编写的,旨在提供一个高效且易于使用的Python解释器。
- Anaconda安装配置Jupyter(2024最新版)
- Python中读取Excel最快的几种方法!
- Python某城市美食商家爬虫数据可视化分析和推荐查询系统毕业设计论文开题报告
- 如何使用 Python 批量检测和转换 JSONL 文件编码为 UTF-8
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Python与PyTorch的版本对应
- Anaconda版本和Python版本对应关系(持续更新...)
- Python pyinstaller打包exe最完整教程
- Could not build wheels for llama-cpp-python, which is required to install pyproject.toml-based proj