提示词编写技巧

普通要求

很多关于提示词的文章都会提到编写提示词的基本技巧，包括

• 给ChatGPT指定一个角色

做同样一件事，外行和内行做的效果肯定不一样，所以将ChatGPT指定为一个内行角色，有利于生成正确的代码。如示例1-1的提示词中，第一句“你是pandas专家”就给ChatGPT指定了一个内行的角色。

• 交代背景

这里主要是给出要分析数据的文件路径和名称，以及文件中变量的名称、行数、列数等基本情况。如示例1-1的提示词中，“文件路径为：D:/Samples/ch01/各班学生成绩.xlsx。该Excel文件的第一个工作表中A-C列为给定数据。A-C列分别为’班级’、’姓名’和’成绩’。”就起交代背景的作用。

• 说明问题

详细说明要解决什么问题，必要时还要说明用什么方法进行解决。指定输出的内容、输出的形式和格式等。比如示例1-1的提示词中，“用pandas导入Excel文件的数据，引擎为‘openpyxl’。请计算各班学生成绩的平均分，平均分保留1位小数。输出各班平均成绩，例如：一班 88.5。添加代码注释。”用于说明问题。

• 给出示例

阐述要解决的问题时，给出具体的例子能帮助ChatGPT理解你的意图。如示例1-1的提示词中，用一个示例“一般 88.5”指明了输出的内容、方式和格式。

数据相关

使用pandas分析Excel文件数据之前，首先要导入该文件数据。一般用pandas的read_excel函数导入数据，使用该函数时有几点需要注意。

• 指定引擎

用pandas的read_excel函数导入Excel文件中的数据时需要指定引擎，即需要设置engine参数。Excel文件的扩展名为”.xls”时指定engine参数的值为”xlrd”；Excel文件的扩展名为”.xlsx”时指定engine参数的值为”openpyxl”。并且需要先安装对应的Python包。

• 指定数据行数和列数

用pandas的read_excel函数导入Excel文件中的数据时不指定数据行数和列数一般是没问题的，有两种情况下需要指定范围。一种是工作表中除了分析数据外还有其他数据，此时必须指定数据范围；另一种是数据所在单元格区域的底下或右侧有空行或空列，如果不指定行数和列数，导入后数据会出现有行或列全是缺失值的情况，这种情况如果不处理会影响后面的数据分析。

• 指定行索引和列索引

默认时，用pandas的read_excel函数导入Excel文件中的数据会自动将第一行作为DataFrame的索引行。有些情况下需要将某列指定为索引列，此时需要明确指定。例如导入时间序列数据，需要明确指定日期时间数据列作为索引列。

• 缺失值

如果要分析的数据中存在缺失值，需要先处理缺失值，否则计算时会出错。

表达相关

编写提示词时，表达一定要清晰，要避免含糊不清和模棱两可。

• 提倡用短句

在表达上，短句更明确更有力。使用长句容易造成理解上的困难和歧义。

• 用专用词指定对象

分析过程中，有时会出现中间有一个输出结果，后面又要在这个中间结果的基础上进一步处理的情况。此时建议用一个专用符号或名词表示这个中间结果，比如df1。后面要处理这个中间结果时就可以直接用df1代替它，既简洁又方便。

• 避免使用它、前面等词

在提示词中使用它、前面等词可能会带来歧义，此时宁可啰嗦一点，也要用明确的对象代替这样的词。

• 指定限定条件

很多时候，完成一个任务可能有多种方法。此时如果希望生成的代码中使用指定的方法，需要在提示词中明确指定对应的方法。如果输出的数据行数很大，可以指定输出的行数，只输出一部分结果。通过增加限定条件，可以让ChatGPT更准确地明白用户的意图。

输出相关

数据处理完毕后需要输出结果，提示词编写中跟输出有关的注意事项有：

• 指定输出的内容

明确指定要输出哪些数据，可以是全部结果数据，也可以是结果数据的一部分；可以是数据本身，也可以是用数据绘制的图表。

• 指定输出的形式

指定结果数据以表的形式输出，或者以其他形式输出；是否用xlwings或者OpenPyXL输出到Excel工作表的指定位置。

• 指定输出的格式

指定数据输出的格式，比如数字保留两位小数，日期时间数据只保留日期等，可以结合例子来指定。

• 保存数据到文件

如果需要保存结果数据到文件，需要指定文件的路径和名称，甚至数据范围、编码等更多细节。

效率相关

完成一个任务可能有多种方法，但不同方法的工作效率可能相差甚远，此时可以通过在提示词中添加限定条件指定用具体的方法进行处理。

本书主张处理Excel数据的计算问题时使用Python的pandas包，因为它是为处理大型数据而生的，进行数据运算时使用了矢量运算等算法，计算速度很快。pandas包中的很多函数或方法中已经封装了矢量运算，此时不需要通过循环来进行处理。如果用循环处理，会慢很多。

体现在提示词上，比如下面的提示词中，因为添加了“遍历各行数据”，生成的代码大概率会使用for循环来处理各行数据，这样就慢了。去掉这几个字，就会用pandas封装的矢量运算方法进行处理，快很多。

你是pandas专家，文件路径为：D:/Samples/09 文本数据处理/改变文本大小写/姓名首字母大写.xlsx。用pandas导入第1个工作表中的数据，第1行为索引列，导入前5行数据，引擎为"openpyxl"。遍历各行数据，将姓名中的单词修改为首字母大写，后面的字母小写。添加代码注释。

语言相关

笔者通过大量实战发现，ChatGPT生成不同语言的代码时效果是不一样的。生成Python代码时效果比较好，提示词不需要特别细致的描述，这里面又以pandas代码的效果最好。用提示词生成正确的VBA代码就困难得多。个人甚至认为，一个不懂VBA编程的同学是很难通过ChatGPT解决很多问题的，因为写提示词时需要有编程思维和编程逻辑。

比如下面是用代码实现中国式排名的例子，同样的数据，生成pandas代码的提示词为：

你是pandas专家，文件路径为：D:/Samples/07 数据排名/中国式排名/短跑成绩排名.xlsx。该Excel文件的第一个工作表中A1:B8为给定数据，A-B列分别为“姓名”和“短跑成绩(秒)”数据。用pandas导入Excel文件的数据，第1行为索引行，引擎为"openpyxl"，请根据短跑成绩进行排名，用时越少排名越靠前。排名为整数，采用中国式排名，名次相同时取最小名次，数据添加在最后一列。根据排名对行数据进行升序排列。给代码添加注释。

生成VBA代码的提示词为：

你是Excel VBA专家，第一个工作表中A1:B8为给定数据，A-B列分别为“姓名”和“短跑成绩(秒)”数据，第1行为变量名称。遍历第2行到末行，首先按照短跑成绩对各行数据进行升序排列，得到各行对应的序号。排序后的姓名和短跑成绩数据放在第E列和第F列，变量名为“姓名”和“短跑成绩(秒)”，数据从第2行开始往下放。排序后行数据处于第几行序号就是几。比如，假设排序后短跑成绩(10 11 11 12 13 13 13 15)对应的序号为(1 2 3 4 5 6 7 8)，对于短跑成绩相同的情况，比如成绩都为11的有两个，它们对应的序号为2和3，采用中国式排名，现在序号都取2，取最小值；成绩都为13的有三个，它们对应的序号为5,6和7，都取最小值5。处理完后，最终序号添加在第G列，变量名为“排名”。给代码添加注释。

为什么会有这么明显的差异呢？笔者考虑主要有两点原因。第一个原因是ChatGPT是用Python写的，大量使用了Python深度学习的包，而这些包跟pandas是一脉相承的；第二个原因是pandas已经封装了很多算法，比如本例中的排名算法，pandas中直接调用rank方法就可解决，而VBA中需要向ChatGPT详细描述算法，相当于写一个中国式排名算法的伪代码。