Używanie ai.generate_response z biblioteką pandas

Funkcja ai.generate_response wykorzystuje generatywną sztuczną inteligencję do generowania niestandardowych odpowiedzi tekstowych opartych na własnych instrukcjach przy użyciu jednego wiersza kodu.

Przegląd

Funkcja ai.generate_response może rozszerzyć klasę pandas DataFrame i klasę pandas Series .

Aby wygenerować niestandardowe odpowiedzi tekstowe wiersz po wierszu, możesz wywołać tę funkcję na serii obiektów pandas lub na całej ramce danych pandas.

W przypadku wywoływania funkcji na całym DataFrame pandas, monit może być ciągiem znaków literalnych, a funkcja bierze pod uwagę wszystkie kolumny DataFrame podczas generowania odpowiedzi. Monit może być również ciągiem formatu, w którym funkcja uwzględnia tylko te wartości kolumn, które pojawiają się między nawiasami klamrowymi w wierszu polecenia.

Funkcja zwraca serię pandas zawierającą niestandardowe odpowiedzi tekstowe dla każdego wiersza danych wejściowych. Odpowiedzi tekstowe mogą być przechowywane w nowej kolumnie ramki danych.

Składnia

df["response"] = df.ai.generate_response(prompt="Instructions for a custom response based on all column values")

df["response"] = df.ai.generate_response(prompt="Instructions for a custom response based on specific {column1} and {column2} values", is_prompt_template=True)

Parametry

Zwraca

Funkcja zwraca pandas DataFrame, który zawiera niestandardowe odpowiedzi tekstowe na monit dla każdego wiersza tekstu wejściowego.

Example

# This code uses AI. Always review output for mistakes.

df = pd.DataFrame([
        ("Scarves"),
        ("Snow pants"),
        ("Ski goggles")
    ], columns=["product"])

df["response"] = df.ai.generate_response("Write a short, punchy email subject line for a winter sale.")
display(df)

# This code uses AI. Always review output for mistakes.

df = pd.DataFrame([
        ("001", "Scarves", "Boots", "2021"),
        ("002", "Snow pants", "Sweaters", "2010"),
        ("003", "Ski goggles", "Helmets", "2015")
    ], columns=["id", "product", "product_rec", "yr_introduced"])

df["response"] = df.ai.generate_response("Write a short, punchy email subject line for a winter sale on the {product}.", is_prompt_template=True)
display(df)

Przykład formatu odpowiedzi

W poniższym przykładzie pokazano, jak używać parametru response_format do określania różnych formatów odpowiedzi, w tym zwykłego tekstu, obiektu JSON i niestandardowego schematu JSON.

# This code uses AI. Always review output for mistakes.

df = pd.DataFrame([
        ("Alex Rivera is a 24-year-old soccer midfielder from Barcelona who scored 12 goals last season."),
        ("Jordan Smith, a 29-year-old basketball guard from Chicago, averaged 22 points per game."),
        ("William O'Connor is a 22-year-old tennis player from Dublin who won 3 ATP titles this year.")
    ], columns=["bio"])

# response_format : text
df["card_text"] = df.ai.generate_response(
    "Create a player card with the player's details and a motivational quote", 
    response_format={"type": "text"}
)

# response_format : json object
df["card_json_object"] = df.ai.generate_response(
    "Create a player card with the player's details and a motivational quote in JSON", 
    response_format={"type": "json_object"} # Requires "json" in the prompt
)

# response_format : specified json schema
df["card_json_schema"] = df.ai.generate_response(
    "Create a player card with the player's details and a motivational quote", 
    response_format={
        "type": "json_schema",
            "json_schema": {
            "name": "player_card_schema",
            "strict": True,
            "schema": {
                "type": "object",
                "properties": {
                    "name": {"type": "string"},
                    "age": {"type": "integer"},
                    "sport": {"type": "string"},
                    "position": {"type": "string"},
                    "hometown": {"type": "string"},
                    "stats": {"type": "string", "description": "Key performance metrics or achievements"},
                    "motivational_quote": {"type": "string"}
                },
                "required": ["name", "age", "sport", "position", "hometown", "stats", "motivational_quote"],
                "additionalProperties": False,
            },
        },
    },
)

display(df)

Ta przykładowa komórka kodu udostępnia następujące dane wyjściowe:

Treści powiązane

• Użyj ai.generate_response z PySpark.

• Wykrywanie emocji z ai.analyze_sentiment.

• Kategoryzuj tekst za pomocą ai.classify.

• Generowanie osadzania wektorów za pomocą pliku ai.embed.

• Wyodrębnij jednostki przy użyciu ai_extract.

• Popraw gramatykę za pomocą ai.fix_grammar.

• Oblicz podobieństwo za pomocą funkcji ai.similarity.

• Podsumuj tekst za pomocą pliku ai.summarize.

• Tłumaczenie tekstu za pomocą pliku ai.translate.

• Dowiedz się więcej o pełnym zestawie funkcji sztucznej inteligencji.

• Dostosowywanie konfiguracji funkcji sztucznej inteligencji.

• Czy brakowało nam potrzebnej funkcji? Zaproponuj to na forum Fabric Ideas.