@TOC
chatgpt
简单介绍:
ChatGPT
是一种基于GPT
的自然语言处理模型,专门用于生成对话式文本。它是OpenAI于2021年发布的,在广泛的对话数据集上进行了训练,旨在提供更具交互性和适应性的对话体验。
与传统的问答系统不同,ChatGPT
设计用于处理连续的对话而不仅仅是单独的问题和回答。它可以接收对话的上下文,并在回应中更好地理解对话的语境,从而产生更连贯、个性化的回答。
在开发者领域中,GPT
的辅助工作也被逐一挖掘而出————辅助编程、代码查优、单元测试、集成测试等等。
随着 GPT
的技术的不断发展以及应用的不断普及.我们可以使用gpt
帮助我们完成简单的小项目.
Cloud Studio
是一种基于云计算的集成开发环境(IDE),由AWS
(Amazon Web Services)推出。它支持多种编程语言,包括Java、Python、Node.js等,可以在云端进行开发、测试和调试。Cloud Studio具有以下特点:
Cloud Studio
提供了非常友好的云端编程环境。只需要打开浏览器,就可以秒级进入到云端准备好的编程界面,无需在本地配置任何环境,大大降低了编程的初始门槛。编辑器、终端、运行时等功能一应俱全,可以直接在网页上编写和运行Python
代码。
总之,Cloud Studio是一个灵活、便捷、高效的云端IDE,可以大大提高开发效率。
Cloud Studio
是基于浏览器的集成式开发环境(IDE
),为开发者提供了一个永不间断的云端工作站。用户在使用 Cloud Studio
时无需安装,随时随地打开浏览器就能在线编程,实在不要太方便.
展示图:
Cloud Studio
作为在线 IDE
,包含==代码高亮==、==自动补全==、==Git== 集成、终端等 IDE
的基础功能,同时支持实时调试、插件扩展等,可以帮助开发者快速完成各种应用的开发、编译与部署工作.效果还是蛮不错的.
Cloud Studio
所有新老用户每月赠送 3000
分钟的工作空间免费时长。
先进入Cloud Studio
官网,简单的输入一些注册信息后.
注册完成后,通过微信扫码验证登录即可.
本次实验采用GPT
+Cloud Studio
辅助编程完成Excel
自动工资结算,这里我们采用编写python
代码,所以选择python
环境.
Cloud Studio
就会自动创建环境,创建环境中.
利用GPT
辅助编程完成Excel
自动工资结算.
已有工资表 salary
,其中==勤扣除金额==、==个税扣除==、==实发工资==这三项是我们需要通过代码自动计算的,也就是本次实验所需要获取的最终数据.
展示:
待处理的excel
文件
2
次,超过2次的部分每次扣除50元。(根据不同规则,可以提出不同需求.)收入中不超过2000的不交税
2000元-10000元的按10%税率缴纳个税。
超过1w元不高于2w元的按税率20%计算。
2w元-3w元的按税率25%计算。
3w元-5w元的按税率30%计算。
5w以上按税率35%计算。
声明一下:
(本个税算法只是作者随意规定的并没有参考价值,具体情况请严格按照相关法律规定.)
Excel
文件,上传至Cloud Studio
的 Python
环境的根目录中去。如下图所示:可以右击上传,也可直接将文件拖曳上传.
上传成功后:
创建py
文件:编写对应的py
代码.
GPT
辅助编程:本次实验十分简单,我们只需要告诉gpt
我们的需求,让其帮我们写成对应的py
代码:
将回答的中的代码粘贴至 Cloud Studio
中,点击右上角的"==运行=="按钮.
要求比较简单,gpt可以轻松实现,我们直接复制即可.
通过运行demo.py文件,我们发现会报错,原因是:
默认的环境中没有pandas
库,所以,我们安装一下pandas
库。
安装pandas
库:如果下面出现 Successfully
则说明安装成功
pip install pandas
接下来再次运行 demo.py
,依然报错,因为 pandas
库的有些函数是依赖于 openpyxl
的,默认环境也是没有安装的,我们继续安装:
安装openpyxl
:
pip install openpyxl
安装成功后,我们再次运行一下 demo.py
代码展示:
import pandas as pd
# 读取Excel文件
df = pd.read_excel('salary.xlsx', engine='openpyxl')
# 计算考勤扣除金额
def calculate_late_fee(row):
late_times = row['迟到次数']
if late_times <= 2:
return 0
else:
return (late_times - 2) * 50
df['考勤扣除金额'] = df.apply(calculate_late_fee, axis=1)
print(df)
# 计算个税扣除
def calculate_tax(row):
if row['工资基数'] <= 2000:
return 0
elif row['工资基数'] <= 10000:
return row['工资基数'] * 0.1
elif row['工资基数'] <= 20000:
return row['工资基数'] * 0.2
elif row['工资基数'] <= 30000:
return row['工资基数'] * 0.25
elif row['工资基数'] <= 50000:
return row['工资基数'] * 0.3
else:
return row['工资基数'] * 0.35
df['个税扣除'] = df.apply(calculate_tax, axis=1)
# 计算实发工资
df['实发工资'] = df['工资基数'] - df['五险一金扣除'] - df['考勤扣除金额'] - df['个税扣除']
print(df)
# 保存结果到新的Excel文件
df.to_excel('salary_with_late_fee_and_tax.xlsx', index=False, engine='openpyxl')
运行结果展示:
最终我们可以看到,计算结果会显示到终端打印出来.
而且并没有在原文件上修改破坏原文件,而是输出了一个新文件。
我们可以将新文件下载下来,查看,发现确实满足了我们的需求.
当然我们GPT
的答案我们不可产生依赖,一方面GPT
不能处理复杂的需求,只能帮助我们解决简单的示例,另一方面,答案很多时候会存在不符合需求的情况,这需要使用者有甄别能力,并且有能力去解决与完善,打铁还需自生硬,好好提升自己才是最重要的!
在Cloud Studio
这一在线编程平台上,我顺利利用Python语言配合GPT实现了一个Excel自动工资结算项目。根据项目需求,我们完成了对应的功能.代码和数据都可以持久保存到云端,不受本地存储空间的限制。
在编写代码的过程中,Cloud Studio
提供了非常流畅的体验。代码编辑快速便捷,运行响应迅速,计算能力强大。这种云端编程方式让我可以无障碍地实现编程思路,不受本地资源的局限,给了我更大的想象空间。
在这个成熟可靠的云平台上,我顺利完成了项目,加深了对Python
语言的掌握,对各种语法结构的应用也更加熟练。这是一次非常有意义的编程学习经历。我会把云端编程的优势推荐给更多的Python
初学者。相信通过Cloud Studio
这样易用的云平台,会有更多人对Python
编程和云计算产生兴趣,提高编程能力。
最后,小实验到此结束,对Cloud Studio
测评结束,个人感觉是一个不错的在线编程平台,不需要手动配置环境,可以直接在线编程,感兴趣的小伙伴们可以试试.
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。