Sketch

Sketch：用于 Pandas 的 AI 代码编写助手

Sketch 是一款 AI 驱动的代码编写助手，旨在增强数据科学家和分析师使用 pandas DataFrame 的体验。它能够理解数据的上下文，提供更相关、更准确的代码建议，并且无需 IDE 插件即可在数秒内使用。

什么是 Sketch？

Sketch 是一款工具，可帮助用户在使用 pandas DataFrame 时更高效地编写代码。它利用 AI 来理解数据的结构和内容，从而能够提供上下文相关的代码建议。这使得执行各种数据分析任务变得更加容易和快速。

Sketch 如何工作？

Sketch 利用高效的近似算法（数据草图）来快速总结您的数据。然后，将这些汇总的信息输入到语言模型中，以生成代码建议。目前，Sketch 汇总列，并将这些汇总统计信息用作代码编写提示的上下文。目标是最终将这些草图直接输入到定制的“数据+语言”基础模型中，以获得更准确的结果。

主要特性和优势

• 上下文感知建议： Sketch 能够理解数据的上下文，从而提供更相关、更准确的代码建议。
• 快速设置： 可以在数秒内安装和使用，从而立即改进您的数据分析工作流程。
• 无需 IDE 插件： Sketch 不需要任何 IDE 插件，因此可以轻松集成到您现有的工作流程中。
• 自然语言界面： 提供自然语言界面，以便在数据堆栈领域中执行许多任务。

如何使用 Sketch

1. 安装：

   使用 pip 安装 Sketch：

   pip install sketch
   

2. 导入 Sketch：

   在您的 Python 脚本或 Jupyter Notebook 中导入 Sketch 库：

   import sketch
   

3. 访问 Sketch 扩展：

   .sketch 扩展现在可用于任何 pandas DataFrame：

df.sketch.ask("哪些列是整数类型？") df.sketch.howto("绘制销售额与时间的关系图") df['review_keywords'] = df.sketch.apply("产品 [{{ product_name }}] 的评论 [{{ review_text }}] 的关键词（以逗号分隔）：") df['capitol'] = pd.DataFrame({'State': ['Colorado', 'Kansas', 'California', 'New York']}).sketch.apply("[{{ State }}] 的首都是什么？") ```

Sketch 函数

• .sketch.ask： 一种问答系统，可根据数据的汇总统计信息和描述提供基于文本的答案。
• .sketch.howto： 为各种与数据相关的任务生成代码块，例如清理、规范化、特征创建、绘图和模型构建。
• .sketch.apply： 一种高级提示，可用于数据生成、解析字段和创建新特征。

在本地运行

Sketch 还支持通过设置适当的环境变量直接使用预构建的 Hugging Face 模型（MPT-7B 和 StarCoder）或 OpenAI 运行。

os.environ['LAMBDAPROMPT_BACKEND'] = 'StarCoder'
os.environ['SKETCH_USE_REMOTE_LAMBDAPROMPT'] = 'False'
os.environ['HF_ACCESS_TOKEN'] = 'your_hugging_face_token'

Sketch 适用于谁？

Sketch 非常适合：

• 数据科学家： 加速数据探索和分析。
• 数据分析师： 简化复杂的数据操作任务。
• 机器学习工程师： 简化特征工程和模型构建。
• 任何使用 Pandas DataFrame 的人： 提高生产力并减少编码时间。

为什么选择 Sketch？

• 提高代码质量： 上下文感知建议可以生成更好、更准确的代码。
• 节省时间： 自动化代码生成，从而为更关键的任务释放时间。
• 易于使用： 简单的安装和直观的 API 使所有技能水平的用户都可以访问它。

Sketch 简化了数据分析任务，并使浏览数据分析领域变得更加容易。它能够理解数据上下文并生成相关代码建议，这使其成为任何数据专业人员的宝贵资产。