数据洗濯，是检测和纠正不合理数据的过程。在大多数情形下，数据剖析前都须要这个过程，将缺点的、不准确的、缺失落的以及多余的数据进行修正或删除。详细来说，数据洗濯会面临以下四个问题：
为了提升数据剖析的事情效率，最近我考试测验了用 ChatGPT 办理第一个问题，「客户名称大小写不一致」。
我先将须要处理的数据和提示词写出来，然后剖析为什么这样写。
lucas green – 415-234-9871 – 1520 Willow Road
emily ray : 607-120-5438 : 304 Birch Avenue
OSCAR WHITE , 202-555-0183 , 1337 Maple Drive
isla brown ; 818-555-1234 ; 2020 Oak Lane
theo moore : 909-555-4545 : 880 Cedar Path
AVA WILSON – 313-555-9072 – 167 Elm Street
mia king , 215-555-9801 , 322 Pine Street
noah lee ; 312-555-6611 ; 410 Birch Boulevard
lily johnson – 415-555-2671 – 518 Juniper Way
JACK TAYLOR : 202-555-0164 : 729 Spruce Lane
sophia martinez – 909-555-5454 – 488 Redwood Circle
ETHAN DAVIS , 606-555-3141 , 1050 Oak Avenue
charlotte smith ; 707-555-5962 ; 191 Maple Parkway
oliver jones : 530-555-8787 : 855 Cedar Street
amelia young – 202-555-0198 – 176 Pine Drive
BENJAMIN CLARK , 213-555-6007 , 132 Elm Lane
zoe anderson ; 408-555-5270 ; 980 Birch Road
harry roberts – 202-555-0143 – 633 Juniper Street
LUCY LEWIS : 505-555-6679 : 215 Spruce Avenue
logan martin – 404-555-4545 – 1120 Willow Lane
emma thompson , 312-555-9800 , 470 Oak Street
LIAM SCOTT ; 213-555-9876 ; 630 Birch Lane
grace hall : 505-555-3245 : 325 Cedar Boulevard
jacob wright – 202-555-0171 – 1220 Maple Drive
VICTORIA ADAMS , 408-555-1337 , 221 Elm Road
james baker ; 312-555-7891 ; 105 Birch Path
isabella carter : 415-555-3141 : 440 Juniper Way
SAMUEL MILLER – 202-555-0190 – 640 Spruce Lane
madison gonzalez , 909-555-1239 , 970 Redwood Circle
joshua perez ; 707-555-2814 ; 108 Oak Avenue
任务描述: 标准化客户名称的字符大小写。
示例输入:
– JOHN SMITH
– jane Doe
– michael johnson
期望输出:
– John Smith
– Jane Doe
– Michael Johnson
详细解释: 你是数据剖析专家，将输入的客户名称转换为首字母大写格式，即每个单词的首字母大写，别的字母小写。请把稳，客户名称可能整年夜写或全小写，或者稠浊大小写，并且可能包括多个单词。同时，请保持联系信息的格式不变。编写代码后，须要对原始数据进行处理，并展示结果来进行验证。
上面的提示词中，我用到了三个技巧，即 One-shot 提示、YAML 格式、强调格式不变和验证。
我来分别讲讲利用这些技巧的好处。
One-shot 学习相称于给 ChatGPT 一个例子，把任务解释、示例输入输出以及要处理的数据全部放在提示中。模型能够从示例中学习到标准化大小写的规则，并天生精确的输出。
你创造了没？我给 ChatGPT 的提示词是有一定的缩进的，它是符合 YAML 语法的文本内容。类似的格式能够让 ChatGPT 更随意马虎理解你的构造化表达。当然你可以利用类似的格式，而不用完备遵守 YAML 语法，毕竟剖析语法的 ChatGPT 会自动“纠正”不规范的语法的。
你也可以试着输入一些提示词，让 ChatGPT 为你转换成 YAML 格式。你来比拟一下，会非常明显地创造，在理解上，它对这些规范格式的提示词比纯粹的自然措辞要更准确。
其余一个提示词内容上的技巧，便是强调格式不变和验证。清楚地定义期望结果，每每是你对 AI 开始事情前最随意马虎忽略的一件事情。特殊要确保大模型能够对你的事情有统一的理解。以是，我特意在详细解释部分，增加了“格式不变”、“展示结果”、“进行验证”，确保能准确地输出你想要的结果。
通过上面的提示词，我们拿到了第一个案例的实行结果，如图所示：
演示数据：
姓名,年事,身高,体重
“John Doe, 28, 5’11”, 150lbs”
“Jane Smith, 32, 162cm, 55kg”
“Mike Brown, 45, 1.68m, 70kg”
“Lisa Ray, 30, 6’0″, 135lbs”
“Tom Lee, 33, 170cm, 68kg”
“Lucy Black, 29, 1.75m, 65kg”
“Sam Wilson, 24, 5’3″, 120lbs”
“Anna White, 41, 190cm, 80kg”
“David Green, 35, 1.90m, 90kg”
“Karen Hill, 27, 6’2″, 160lbs”
…
该输出有效地处理各种格式的输入数据，精确分离名称和联系信息，并将客户名称转换为首字母大写的格式。
以往进行数据洗濯的「脏活累活」都可以让 GPT 帮我们完成。而那些须要但个人不善于的统计学模型、程序代码，也可以让 GPT 来编写，我们结合业务来进行验证。
本文由大家都是产品经理作者【林骥】，微信"大众年夜众号：【林骥】，原创/授权 发布于大家都是产品经理，未经容许，禁止转载。
题图来自Unsplash，基于 CC0 协议。