最近，OpenAI 在 ChatGPT 中为所有付费用户发布了代码解释器。不过，它的月租费为 20 美元，不是每个人都能负担得起的。因此，如果你想免费使用 ChatGPT 代码解释器，本教程就是为你准备的。一位名叫 Shroominic 的开发者开发了 ChatGPT 代码解释器的开源实现。通过它，你可以像 ChatGPT 一样进行数据集分析和数据可视化。下面我们就来学习如何免费使用代码解释器。
下一步工作前的注意事项
1. 我们使用的是 GitHub 上免费开源的 Code Interpreter API 项目（请访问）。它使用了 CodeBoxes、OpenAI 的 API、LangChain Agents 和多个 Python 软件包，其行为类似于 ChatGPT 的代码解释器。
2. 对于小数据集来说，它运行得很好，而且不收取任何费用。但是，当你抛出一个大数据集进行分析时，OpenAI 对免费用户的费率限制会阻碍操作。因此，如果您打算使用它来分析大量数据，请考虑在 OpenAI 账户中添加付费方式。
3. 如果您能访问 GPT-4 API，该项目就能很好地运行。不过，我对代码进行了定制，使其也能与 GPT-3.5 涡轮增压模型兼容。
步骤 1：设置代码解释器 API
1. 首先，您需要在计算机上安装 Python 和 Pip，具体步骤请参考我们的链接教程。请确保在安装时将 python.exe 添加到 PATH。
2. 安装好 Python 和 Pip 后，打开终端并运行以下命令，检查它们是否设置正确。这些命令的输出结果应包含它们的版本号。
python -version pip -version
3. 现在，运行以下命令安装代码解释器 API。
pip install codeinterpreterapi
4. 然后，继续从 OpenAI 网站获取 API 密钥。点击 “Create new secret key” 并复制密钥。
步骤 2：免费运行 ChatGPT 代码解释器
1. 完成上述操作后，就可以免费运行代码解释器 API 了。
2. 打开 Sublime Text 或 Notepad++ 等代码编辑器（下载）。
3. 现在，复制下面的代码并粘贴到代码编辑器中。代码来自代码解释器 API 的 GitHub 页面，但我做了一些改动，以避免一些错误。
import os
os.environ["OPENAI_API_KEY"] = "PASTE THE OPENAI API KEY HERE"
from codeinterpreterapi import CodeInterpreterSession
async def main():
# create a session
session = CodeInterpreterSession(model="gpt-3.5-turbo")
await session.astart()
# generate a response based on user input
response = await session.generate_response(
"Plot the Apple stock price chart from 2007 to 2023 june"
)
# output the response (text + image)
print("AI: ", response.content)
for file in response.files:
file.show_image()
# terminate the session
await session.astop()
if __name__ == "__main__":
import asyncio
# run the async function
asyncio.run(main())
4. 我用红色标出了需要修改的代码。首先，在第二行粘贴 OpenAI API 密钥。
5. 之后，如果可以访问 GPT-4 API，则可以在第九行定义 “gpt-4” 模型。最后，在第 14 行，您可以输入您的查询并定义要创建的内容。
6. 现在，将文件保存为 “chart.py” 到桌面。确保在最后添加 .py 扩展名。
7. 现在，打开终端，逐一运行下面的命令。第一条命令将移动到桌面位置，第二条命令将使用 Python 执行 “chart.py” 文件。
cd Desktop python chart.py
8. 只需几秒钟，Code Interpreter API 就会为您生成图表。
9. 它在后台使用了大量服务来实现这一结果，包括 LangChain 代理、来自互联网的雅虎财经数据、用于绘制图表的 Matplotlib 等。你可以在代码中添加下面一行，查看后台发生的一切。
os.environ["VERBOSE"] = "True"
10. 现在，您只需更改代码中的查询，然后再次执行 “chart.py” 文件，即可生成新图表。
步骤 3：使用代码解释器 API 进行数据分析
1. 您还可以免费使用本地数据进行数据分析。为此，请在桌面上创建一个名为 “analysis” 的文件夹。
2. 现在，将数据集移动到 “analysis” 文件夹。数据集可以是 CSV、XSL 或 XSLX 格式。例如，我们将在 “analysis” 文件夹中使用 “globaltemperature.csv” 文件。
3. 接下来，打开代码编辑器，粘贴下面的代码。
import os
os.environ["OPENAI_API_KEY"] = "PASTE THE OPENAI API KEY HERE"
from codeinterpreterapi import CodeInterpreterSession, File
async def main():
# context manager for auto start/stop of the session
async with CodeInterpreterSession(model="gpt-3.5-turbo") as session:
# define the user request
user_request = "Analyze this dataset and plot global temperature from the year 1950 to 2016. Consider the GCAG system."
files = [
File.from_path("globaltemperature.csv"),
]
# generate the response
response = await session.generate_response(
user_request, files=files
)
# output to the user
print("AI: ", response.content)
for file in response.files:
file.show_image()
if __name__ == "__main__":
import asyncio
asyncio.run(main())
4. 在这里，您首先需要粘贴 OpenAI API 密钥。
5. 现在，将 “globaltemperature.csv” 改为您自己的数据集名称。顺便说一下，您还可以根据自己对数据的需求更改模型和用户查询。
6. 将其保存为 “data.py”，放在桌面上的 “analyze” 文件夹中。
7. 启动终端，以类似方式运行文件。
cd Desktop/analysis python data.py
8. 现在，您将获得基于本地数据集的图表。这就是您如何使用代码解释器 API 进行数据集分析而无需支付任何费用的方法。
评论留言