# Einführung

Zwillinge In Google Sheets ist eine leistungsstarke KI-Integration von Google, mit der Sie Tabellen mithilfe von Eingabeaufforderungen in natürlicher Sprache erstellen, füllen, analysieren und verwalten können. Es kann Ihnen dabei helfen, Google Sheets von Grund auf zu erstellen. Anstatt Tabellen, Formeln und Layouts manuell zu erstellen, können Sie beschreiben, was Sie benötigen, und Gemini kann eine Tabellenstruktur generieren, Formeln vorschlagen und sogar Daten zum Testen erstellen. Dadurch kann bei der Einrichtung neuer Projekte eine erhebliche Zeitersparnis erzielt werden.

In diesem Tutorial zeigen wir Ihnen, wie Sie mit Gemini Google Sheets erstellen, eine nützliche Tabelle erstellen, Formeln generieren, Daten analysieren und die Tabelle mit Folgeaufforderungen verbessern.

# Methode 1: Verwendung von Gemini innerhalb der Tabellenkalkulation (integrierte Workspace-Integration)

Wenn Sie eine haben Google Workspace Wenn Sie ein Konto mit einem Gemini-Add-on (wie Gemini Enterprise oder Enterprise) haben, können Sie Gemini direkt in Ihrer Tabelle verwenden.

// Schritt 1: Zugriff auf Gemini in Google Sheets

• Öffnen Sie eine Tabelle in Google Sheets
• Klicken Sie auf Fragen Sie Zwillinge Klicken Sie auf die Schaltfläche (Funkeln-Image) in der oberen rechten Ecke
• Auf der rechten Seite Ihres Bildschirms wird ein Seitenbereich geöffnet
• Verwenden Sie die vorgeschlagenen Eingabeaufforderungen oder geben Sie Ihre eigenen ein

// Schritt 2: Gemini auffordern, Tabellen zu erstellen

Anstatt Spalten manuell einzugeben, bitten Sie Gemini, dies zu tun.

Immediate-Beispiele:

• „Erstellen Sie eine Tabelle, um die monatlichen Ausgaben mit Spalten für Datum, Kategorie, Betrag, Beschreibung und Notizen zu verfolgen.“
• „Erstellen Sie einen Projekt-Tracker mit Aufgabe, Beauftragtem, Frist, Standing und Fortschritt %.“
• „Erstellen Sie eine 10-tägige Reiseroute für Thailand, einschließlich täglicher Aktivitäten, Kosten und Unterkünfte.“

// Schritt 3: Überprüfen und Einfügen der Ausgabe

Nachdem Sie Ihre Eingabeaufforderung übermittelt haben, erstellt Gemini eine strukturierte Tabelle und zeigt eine Vorschau im Seitenbereich an. Überprüfen Sie, ob die Spalten, Überschriften und Beispieldaten Ihren Vorstellungen entsprechen.

• Klicken Einfügen Sobald Gemini die Vorschau generiert, wird Ihr Blatt sofort ausgefüllt

Gemini kann ein neues Blatt erstellen oder eine Tabelle in Ihr aktuelles Blatt einfügen. Überprüfen Sie die Ausgabe, fügen Sie sie dann ein oder verfeinern Sie sie mit Folgeaufforderungen.

// Schritt 4: Nach Formeln und Analysen fragen

Sie müssen sich keine komplexe Formelsyntax merken. Sie können Zwillinge bitten, die Formeln für Sie zu schreiben.

Beschreiben Sie in einfachem Englisch, was Sie benötigen:

• „Berechnen Sie den Gesamtumsatz in Spalte C basierend auf der Menge in A und dem Preis in B.“
• „Erstellen Sie eine Formel für eine laufende Summe in Spalte D.“
• „Ermitteln Sie den durchschnittlichen Umsatz professional Monat und heben Sie die Prime-Performer hervor.“

Zwillinge liefern die Formel, erklären sie und schlagen oft Verbesserungen vor. Fügen Sie es direkt in Ihre Zellen ein.

Profi-Tipp: Verwenden Sie das @-Menü in der Zelle oder „Helfen Sie mir bei der Organisation“, um schnelle Hilfe zu erhalten.

# Methode 2: Erstellen von Tabellen über die Gemini Net App

Wenn Sie die kostenlose oder eigenständige Model von Gemini verwenden, können Sie Datentabellen und -blätter erstellen und diese mit einem einzigen Klick direkt nach Google Sheets exportieren.

// Schritt 1: Zwillinge auffordern, strukturierte Daten zu generieren

• Gehe zum Gemini-Net-App
• Bitten Sie es, eine strukturierte Tabelle zu erstellen
• Um die besten Ergebnisse zu erzielen, geben Sie die Spalten und den Datentyp an

Immediate-Beispiel:

Erstellen Sie eine monatliche Ausgabentabelle für die persönliche Budgetierung. Fügen Sie Spalten für Datum, Kategorie, Beschreibung, Zahlungsmethode, Betrag, Price range, Differenz und Standing hinzu. Fügen Sie einige Beispielzeilen hinzu.

// Schritt 2: Exportieren nach Google Sheets

Sobald Gemini die Tabelle in seiner Antwort generiert:

• Scrollen Sie zum Ende der generierten Tabelle
• Klicken Sie auf die Tabelle oder klicken Sie Offen
• Gemini erstellt automatisch ein brandneues Google Sheet in Ihrem Google Drive und füllt es mit den Daten

// Schritt 3: Öffnen in der Tabelle

Jetzt können Sie Ihre Tabelle formatieren.

# Methode 3: Apps-Skript mit Gemini generieren (für erweiterte Automatisierung)

Wenn Sie eine stark angepasste Tabelle mit spezifischer Formatierung, automatisierten Tabs oder erweiterter Logik benötigen, können Sie Gemini bitten, eine zu schreiben Google Apps-Skript.

// Schritt 1: Anfordern des Skripts

Immediate-Beispiel:

Schreiben Sie ein Google Apps-Skript, das ein neues Blatt mit dem Namen „Rechnungsgenerator“ erstellt, die Kopfzeile auf Blau mit weißem Textual content setzt und die Schriftart fett macht.

// Schritt 2: Einfügen in Blätter

• Öffnen Sie Ihr Google Sheet
• Gehe zum Erweiterungen Menü > Apps-Skript
• Löschen Sie sämtlichen Standardcode im Editor und fügen Sie den von Gemini bereitgestellten Code ein
• Klicken Sie auf Speichern (Festplatte) Image und klicken Sie dann Laufen (Möglicherweise müssen Sie beim ersten Mal Berechtigungen erteilen.)

// Schritt 3: Anzeigen des Ergebnisses

Es wird automatisch ein Blatt erstellt. Jetzt können Sie den Code mit Folgeaufforderungen optimieren.

# Profi-Tipps für bessere Ergebnisse

• Seien Sie bei der Formatierung genau: Wenn Sie möchten, dass Währungen, Prozentsätze oder Datumsangaben auf eine bestimmte Weise formatiert werden, teilen Sie Gemini dies ausdrücklich mit (z. B „Formatieren Sie die Spalte ‚Preis‘ als USD-Währung“).
• Verwenden Sie „Handeln als“-Eingabeaufforderungen: Teilen Sie Gemini seine Rolle mit, um besser strukturierte Tabellen zu erhalten. Zum Beispiel: „Agieren Sie als erfahrener Datenanalyst. Erstellen Sie eine Checklistentabelle für die Datenbereinigung …“
• Daten bereinigen: Sie können unordentlichen, unorganisierten Textual content in Gemini einfügen und fragen: „Bereinigen Sie diese Daten und organisieren Sie sie in einer für Google Sheets geeigneten Tabelle.“ Benutzen Sie dann den Export-Button.

# Abschluss

Sie können Gemini zum Erstellen von Google Sheets verwenden. Gemini verwandelt Sheets von einem manuellen Device in einen intelligenten Assistenten und reduziert so den Zeitaufwand für die Einrichtung einer Tabellenkalkulation erheblich. Anstatt Tabellen, Formeln und Datensätze manuell zu erstellen, können Sie Ihre Anforderungen in einfacher Sprache beschreiben und Gemini die Grundlage für Ihre Tabelle erstellen lassen. Ganz gleich, ob Sie Budgets verwalten, Verkäufe verfolgen, Projekte organisieren oder Dashboards erstellen – Gemini hilft dabei, Ideen viel schneller in funktionsfähige Google Sheets umzuwandeln.

Shamima Sultana arbeitet als Projektmanagerin bei ExcelDemy, wo sie zu Microsoft Excel recherchiert und Artikel zu ihrer Arbeit schreibt. Shamima hat einen BSc in Informatik und Ingenieurwesen und hat großes Interesse an Forschung und Entwicklung. Shamima liebt es, neue Dinge zu lernen und versucht, bereichernde, qualitativ hochwertige Inhalte zu Excel bereitzustellen, während sie stets versucht, Wissen aus verschiedenen Quellen zu sammeln und progressive Lösungen zu entwickeln.

Bild von Autor | Ideogramm

# Einführung

Daten sind zu einer wichtigen Ressource für jedes Unternehmen geworden, da sie Unternehmen für Unternehmen wertvolle Erkenntnisse erhalten, insbesondere bei Entscheidungen. Ohne Daten stützen sich Entscheidungen ausschließlich auf Instinkt und Glück, was nicht der effektivste Ansatz ist.

Viele Rohdaten sind jedoch schwer zu verstehen. Es bietet keine direkten Einblicke und erfordert eine weitere Verarbeitung. Aus diesem Grund verlassen sich viele Menschen darauf, Daten -Dashboards zu verwenden, um die Rohdaten zusammenzufassen, zu visualisieren und zu navigieren. Durch die Entwicklung eines eleganten Armaturenbretts können wir nicht-technische Benutzer eine einfache Möglichkeit bieten, einfach Einblicke aus Daten zu erhalten.

Aus diesem Grund wird in diesem Artikel untersucht, wie ein schlankes Daten Dashboard erstellt wird PythonAnwesend TaipieUnd Google -Blätter.

Lass uns darauf eingehen.

# Entwicklung eines Slick -Daten -Dashboards

Wir werden das Tutorial beginnen, indem wir alle erforderlichen Anmeldeinformationen für den Zugriff auf Google Sheets über Python vorbereiten. Erstellen Sie zunächst ein Google -Konto und navigieren Sie zur Google Cloud Console. Navigieren Sie dann zu APIS & Companies> Bibliothek, in der Sie die Google Sheets API und die Google Drive -API aktivieren müssen.

Kehren Sie nach der Aktivierung der APIs zu APIs & Dienste> Anmeldeinformationen zurück und navigieren Sie, um Anmeldeinformationen> Servicekonto zu erstellen. Befolgen Sie die Anweisungen und weisen Sie die Rolle wie Herausgeber oder Besitzer zu, damit wir Google Sheets lesen und schreiben können. Wählen Sie das gerade erstellte Servicekonto aus und navigieren Sie dann zu Schlüssel> Style hinzufügen> Neue Style erstellen. Wählen Sie JSON und laden Sie die herunter credentials.json Datei. Speichern Sie es irgendwo und öffnen Sie die Datei; Kopieren Sie dann den E -Mail -Wert unter client_email.

Für den Datensatz werden wir die verwenden Herzdatensatz aus Kaggle als Beispiel. Speichern Sie die Datei in Google Drive und öffnen Sie sie als Google Sheets. Gehen Sie in der Google Sheets -Datei zur Datei> Teilen Sie Freigabe und fügen Sie die gerade kopierte E -Mail hinzu. Kopieren Sie die URL zuletzt für die Google Sheets -Datei, da wir später über die URL auf die Daten zugreifen werden.

Öffnen Sie Ihre Lieblings -IDE und dann werden wir unser Projekt wie folgt strukturieren:

taipy_gsheet/
│
├── config/
│   └── credentials.json         
├── app.py                   
└── necessities.txt

Erstellen Sie alle erforderlichen Dateien und dann werden wir unser Dashboard entwickeln. Wir werden Taipy für das Anwendungsrahmen verwenden. Pandas Für Datenmanipulation, GSPREET Und OAuth2Client für die Interaktion mit der Google Sheets -API und Handlung zum Erstellen von Visualisierungen. Im necessities.txt Datei, fügen Sie die folgenden Pakete hinzu:

taipy
pandas
gspread
oauth2client
plotly

Dies sind die notwendigen Bibliotheken für unser Tutorial, und wir werden sie in unserer Umgebung installieren. Vergessen Sie nicht, eine virtuelle Umgebung zu nutzen, um zu verhindern, dass Sie Ihre Hauptumgebung brechen. Wir werden auch Python 3.12 verwenden; Zum Zeitpunkt, in dem dieser Artikel geschrieben wurde, ist dies die Python -Model, die derzeit für die obigen Bibliotheken funktioniert.

Installieren Sie die Bibliotheken mit dem folgenden Befehl:

pip set up -r necessities.txt

Wenn die Set up erfolgreich ist, werden wir unsere Bewerbung vorbereiten. In app.pyWir erstellen den Code, um unser Dashboard einzurichten.

Zunächst werden wir alle notwendigen Bibliotheken importieren, die wir für die Entwicklung der Anwendung verwenden werden.

import pandas as pd
import gspread
import plotly.specific as px
import taipy as tp
from taipy import Config
from taipy.gui import Gui
import taipy.gui.builder as tgb

Als nächstes laden wir die Daten von Google Sheets mit dem folgenden Code. Ändern die SHEET_URL Wert mit Ihrer tatsächlichen Daten -URL. Darüber hinaus werden wir die Daten vorbereiten, um sicherzustellen, dass sie intestine funktionieren.

SHEET_URL = "https://docs.google.com/spreadsheets/d/1Z4S3hnV3710OJi4yu5IG0ZB5w0q4pmNPKeYy8BTyM8A/"
consumer = gspread.service_account(filename="config/credentials.json")
df_raw = pd.DataFrame(consumer.open_by_url(SHEET_URL).get_worksheet(0).get_all_records())
df_raw("intercourse") = pd.to_numeric(df_raw("intercourse"), errors="coerce").fillna(0).astype(int)
df_raw("sex_label") = df_raw("intercourse").map({0: "Feminine", 1: "Male"})

Dann werden wir das Dashboard mit vorbereiten Taipie. Taipy ist eine Open-Supply-Bibliothek für datengesteuerte Anwendungen, die sowohl Entrance-Finish- als auch Again-Finish-Entwicklung abdeckt. Verwenden wir die Bibliothek, um das Daten Dashboard mit den grundlegenden Funktionen zu erstellen, die wir mit Taipy verwenden können.

In dem folgenden Code entwickeln wir ein Szenario, das eine Pipeline ist, die der Benutzer für die Analyse der Analyse ausführen kann. Es ist im Wesentlichen ein Rahmen für das Experimentieren mit verschiedenen Parametern, die wir an die Pipeline übergeben können. Hier ist beispielsweise, wie wir ein Szenario für das Durchschnittsalter mit der Eingabe des Geschlechtsfilters vorbereiten.

def compute_avg_age(filtered_df: pd.DataFrame, gender_filter: str) -> float:
    information = (
        filtered_df
        if gender_filter == "All"
        else filtered_df(filtered_df("sex_label") == gender_filter)
    )
    return spherical(information("age").imply(), 1) if not information.empty else 0

filtered_df_cfg = Config.configure_data_node("filtered_df")
gender_filter_cfg = Config.configure_data_node("gender_filter")
avg_age_cfg = Config.configure_data_node("avg_age")

task_cfg = Config.configure_task(
    "compute_avg_age", compute_avg_age, (filtered_df_cfg, gender_filter_cfg), avg_age_cfg
)
scenario_cfg = Config.configure_scenario("cardiac_scenario", (task_cfg))
Config.export("config.toml")

Wir werden das Szenario später noch einmal besuchen, aber lassen Sie uns die Auswahl der Geschlechter selbst und seinen Standardzustand vorbereiten.

gender_lov = ("All", "Male", "Feminine")
gender_selected = "All"
filtered_df = df_raw.copy()
pie_fig = px.pie()
box_fig = px.field()
avg_age = 0

Als nächstes erstellen wir die Funktionen, die unsere Variablen und Datenvisualisierungen aktualisieren, wenn ein Benutzer mit dem Dashboard interagiert, z. B. durch Auswahl eines Geschlechts oder ein Senden eines Szenarios.

def update_dash(state):
    subset = (
        df_raw if state.gender_selected == "All"
        else df_raw(df_raw("sex_label") == state.gender_selected)
    )
    state.filtered_df = subset
    state.avg_age = spherical(subset("age").imply(), 1) if not subset.empty else 0

    state.pie_fig = px.pie(
        subset.groupby("sex_label")("goal").rely().reset_index(title="rely"),
        names="sex_label", values="rely",
        title=f"Goal Rely -- {state.gender_selected}"
    )
    state.box_fig = px.field(subset, x="sex_label", y="chol", title="Ldl cholesterol by Gender")

def save_scenario(state):
    state.state of affairs.filtered_df.write(state.filtered_df)
    state.state of affairs.gender_filter.write(state.gender_selected)
    state.refresh("state of affairs")
    tp.gui.notify(state, "s", "State of affairs saved -- undergo compute!")

Mit den Funktionen werden wir das Entrance-Finish-Dashboard mit einer einfachen Komposition mit dem folgenden Code vorbereiten:

with tgb.Web page() as web page:
    tgb.textual content("# Cardiac Arrest Dashboard")
    tgb.selector(worth="{gender_selected}", lov="{gender_lov}",
                 label="Choose Gender:", on_change=update_dash)

    with tgb.format(columns="1 1", hole="20px"):
        tgb.chart(determine="{pie_fig}")
        tgb.chart(determine="{box_fig}")

    tgb.textual content("### Common Age (Stay): {avg_age}")
    tgb.desk(information="{filtered_df}", pagination=True)

    tgb.textual content("---")
    tgb.textual content("## State of affairs Administration")
    tgb.scenario_selector("{state of affairs}")
    tgb.selector(label="State of affairs Gender:", lov="{gender_lov}",
                 worth="{gender_selected}", on_change=save_scenario)
    tgb.state of affairs("{state of affairs}")
    tgb.scenario_dag("{state of affairs}")
    tgb.textual content("**Avg Age (State of affairs):**")
    tgb.data_node("{state of affairs.avg_age}")
    tgb.desk(information="{filtered_df}", pagination=True)

Das Dashboard oben ist einfach, wird sich jedoch je nach Auswahl ändern, die wir treffen.

Zuletzt werden wir den Orchestrierungsprozess mit dem folgenden Code vorbereiten:

if __name__ == "__main__":
    tp.Orchestrator().run()
    state of affairs = tp.create_scenario(scenario_cfg)
    state of affairs.filtered_df.write(df_raw)
    state of affairs.gender_filter.write("All")
    Gui(web page).run(title="Cardiac Arrest Dashboard", dark_mode=True)

Sobald Sie den Code fertig haben, werden wir das Dashboard mit dem folgenden Befehl ausführen:

Automatisch wird das Dashboard in Ihrem Browser angezeigt. Beispielsweise finden Sie hier ein einfaches Herzstillstands -Dashboard mit den Visualisierungen und der Auswahl der Geschlechter.

Wenn Sie nach unten scrollen, wird die Szenario -Pipeline angezeigt. Sie können versuchen, das Geschlecht auszuwählen und das Szenario einzureichen, um die Unterschiede im Durchschnittsalter zu erkennen.

So können Sie ein Slick Knowledge Dashboard mit nur wenigen Komponenten erstellen. Erforschen Sie Taipy -Dokumentation Fügen Sie Visualisierungen und Funktionen hinzu, die für Ihre Dashboard -Anforderungen geeignet sind.

# Einpacken

Daten sind eine Ressource, die jedes Unternehmen benötigt, aber es ist schwieriger, Einblicke aus den Daten zu gewinnen, wenn es nicht visualisiert wird. In diesem Artikel haben wir ein elegantes Daten Dashboard mit Python, Taipy und Google Sheets erstellt. Wir haben gezeigt, wie man eine Verbindung zu Daten von Google Sheets herstellt und die Taipy -Bibliothek nutzt, um ein interaktives Dashboard zu erstellen.

Ich hoffe das hat geholfen!

Cornellius Yudha Wijaya ist ein Knowledge Science Assistant Supervisor und Datenautor. Während er in Vollzeit bei Allianz Indonesien arbeitet, liebt er es, Python- und Datentipps über soziale Medien und das Schreiben von Medien zu teilen. Cornellius schreibt über eine Vielzahl von KI- und maschinellen Lernthemen.

Bild von Autor | Chatgpt

# Einführung

GitHub ist viel mehr als nur eine Plattform zum Teilen von Code oder zum Internet hosting von Open-Supply-Projekten. Es ist auch ein Schatz, um zu lernen, neue Fähigkeiten zu beherrschen und schnelle Ressourcen wie Cheat Sheets zu finden. Egal, ob Sie Entwickler, Datenwissenschaftler oder nur jemand sind, der lernen möchte, Github bietet eine Fülle von Cheat Sheet Repositories, die Ihnen helfen können, Ihre Produktivität zu steigern.

In diesem Weblog werden wir einige der beliebtesten und umfassendsten Cheat -Blattsammlungen auf GitHub überprüfen. Diese Repositories behandeln eine breite Palette von Themen, darunter Docker -Befehle, Mathematik, Python, maschinelles Lernen, Datenwissenschaft, Datenvisualisierung, CLI -Befehle und vieles mehr.

# Cheat Sheet -Sammlungen auf Github

// 1.. Cheat.sh: Das einzige Cheat -Blatt, das Sie benötigen

Hyperlink: chubin/Cheat.sh

Cheat.SH ist eine einheitliche Befehlszeile und Weboberfläche, die Zugriff auf Group-betriebene Cheat-Blätter für Programmierung, DevOps und vieles mehr bietet. Dies ist eine praktische Möglichkeit, um auf Projekte zuzugreifen, während sie an Projekten arbeiten. Mit einem einfachen Curl -Befehl können Sie in jeder Programmiersprache nach Befehlen suchen.

// 2. Fantastische Cheatsblätter: Schnelle Referenzen für jeden Entwickler

Hyperlink: Lecoupa/Superior-Cheatsblätter

Eine umfassende Sammlung von Cheatsblättern für beliebte Programmiersprachen, Frameworks und Entwicklungstools. Alles, was Sie wissen müssen, ist in einzelne Dateien für schnelle Referenzen organisiert, sodass es für Entwickler auf allen Fähigkeiten zu einer wesentlichen Ressource ist. Es enthält Cheat -Blätter für Frontend- und Backend -Sprachen, Datenbanken sowie Instruments zur Entwicklung und Bereitstellung.

// 3.. Docker Cheat Sheet: Wesentliche Docker -Befehle und -Tipps

Hyperlink: Wsargent/Docker-Cheat-Sheet

Dieses Repository bietet ein bequemes Cheat -Blatt für Docker, in dem die wichtigsten Befehle, Tipps und Greatest Practices für Containerisierungs- und DevOps -Workflows hervorgehoben werden. Es handelt sich um ein einfaches Cheat -Blatt, das mit Markdown erstellt wurde und als Readme -Datei formatiert ist, damit Sie es als Webseite anzeigen können. Es enthält verschiedene Beispiele und Code -Snippets für eine einfache Referenz.

// 4. Mathematik als Code: Mathematische Notation für Entwickler

Hyperlink: Expertise-monks/Math-as-Code

Ein einzigartiges Cheat -Blatt, das mathematische Notation in Code übersetzt und es Entwicklern erleichtert, mathematische Konzepte in ihren Projekten zu verstehen und zu implementieren.

// 5. Cheatsheets-AI: maschinelles Lernen & Deep Studying Necessities

Hyperlink: Kailashahirwar/Cheatsheets-AI

Eine Sammlung wesentlicher Cheat -Blätter für Forscher für tiefgreifende Lernen und maschinelles Lernen. Perfekt für schnelle Referenz auf Algorithmen, Frameworks und Konzepte. Obwohl es etwas alt ist, conflict es während des Höhepunkts des Hype von Deep Studying sehr beliebt.

// 6. Python Cheatsheet: umfassende Python -Referenz

Hyperlink: GTO76/Python-Cheatsblatt

Ein Markdown-basierter Python-Cheatsheet, der Syntax, Datenstrukturen, Bibliotheken und gemeinsame Codierungsmuster abdeckt. Es ist großartig für Anfänger und erfahrene Pythonistas. Dieses Repository ist eines der am meisten auftretenden Github für Cheat Sheets.

// 7. Information Science -Cheatsblätter: Regeln Sie die Welt der Daten

Hyperlink: Faviovazquez/DS-Cheatsblätter

Eine umfassende Liste von Information Science Cheat Sheets, einschließlich Statistiken, maschinellem Lernen und Datenvisualisierung. Perfect für Studenten, Fachkräfte und alle im Bereich Information Science. Es enthält auch Cheat Sheets für Python, R, Huge Information und SQL.

// 8. Matplotlib Cheat Sheets: Offizielle Visualisierungsreferenz

Hyperlink: Matplotlib/Cheatsblätter

Die offiziellen Matplotlib -Cheat -Blätter dienen als schnelle Referenzleitfäden zum Erstellen von Handlungen und Visualisierungen in Python und erleichtern es, die Datenvisualisierung zu fördern. Diese Ressourcen sind besonders hilfreich, wenn Sie an Datenanalyseprojekten arbeiten und eine Erinnerung daran benötigen, welche Grafik verwendet werden soll. Die Cheat -Blätter bieten eine visuelle Darstellung aller Arten der verfügbaren Visualisierungen.

// 9. TLDR-Seiten: Kollaborative Cheatsschargen für Konsolenbefehle

Hyperlink: TLDR-Seiten/TLDR

TLDR-Seiten bietet Group-betriebene Cheatsblätter für Konsolenbefehle und erleichtert es, praktische Beispiele und Verwendung für zahlreiche CLI-Instruments zu finden. Es ist ein Muss für jeden, der viel Zeit im Terminal verbringt.

// 10. Devhints Cheatsheets: Webentwicklung auf einen Blick

Hyperlink: rstacruz/Cheatsblätter

Eine Cheat -Blattsammlung für die Webentwicklung, einschließlich HTML, CSS, JavaScript und mehr. DevHints bietet Entwicklern klare, präzise und intestine organisierte Referenzen.

# Abschluss

Diese Cheat -Blätter sind hauptsächlich für Fachleute konzipiert, die vor einem Interview oder während eines Projekts eine kurze Auffrischung benötigen. Anstatt Einführungsführer zu sein, bieten sie kurze, mundgerechte Informationen, mit denen Sie innerhalb weniger Minuten Kernkonzepte und wesentliche Befehle erfassen können. Dies macht sie preferrred für erfahrene Benutzer, die ihr Wissen effizient überprüfen und verstärken möchten, ohne sich durch lange Dokumentation zu bewegen.

Abid Ali Awan (@1abidaliawan) ist ein zertifizierter Datenwissenschaftler, der es liebt, maschinelles Lernenmodelle zu bauen. Derzeit konzentriert er sich auf die Erstellung von Inhalten und das Schreiben von technischen Blogs über maschinelles Lernen und Datenwissenschaftstechnologien. Abid hat einen Grasp -Abschluss in Technologiemanagement und einen Bachelor -Abschluss in Telekommunikationstechnik. Seine Imaginative and prescient ist es, ein KI -Produkt zu bauen, das ein Diagramm neuronales Netzwerk für Schüler mit psychische Erkrankungen mit kämpfender Krankheiten unterhält.

Bild von Autor | Ideogramm

Wir leben in einer aufregenden Ära, da die generative KI als Werkzeug herausgestellt hat, das unsere Arbeit erheblich verbessert. Seit der Einführung von Produkten wie ChatGPT hat sich das Aufkommen großer Sprachmodelle (LLMs) grundlegend verändert, in denen wir leben und arbeiten.

Google als Unternehmen würde sicherlich nicht die Likelihood geben, eigene LLM -Produkte zu entwickeln, wie das Gemini -Modell zeigt. Darüber hinaus besitzt Google bereits viele nützliche Produkte wie Google Sheets. Google hat einen fantastischen Schritt gemacht, indem sie Gemini direkt in Google Sheets integriert werden kann.

Da Google Sheets von vielen Unternehmen verwendet wird, wird es hilfreich sein zu verstehen, wie wir Gemini AI darin verwenden können. In diesem Artikel werden wir die Implementierung von Gemini mit Google Sheets durchlaufen.

Neugierig? Lass uns eintauchen!

Google Gemini in Google Sheets

Nach der offiziellen Ankündigung durch Google die aktuelle Tabelle Ai (Gemini in Google Sheets) ist bereits für die Öffentlichkeit verfügbar, jedoch nur über das Google Workspace -Abonnement. Um es auszuprobieren, können Sie ihre erkunden Preispläne und nutzen Sie die verfügbare kostenlose Testversion.

Bevor wir Google Gemini in Google Sheets ausprobieren, müssen wir es auch zur Verfügung stellen, da die Funktion standardmäßig nicht automatisch eingeschaltet ist und dass wir ein Google Workspace Admin -Konto haben. Navigieren Sie zum Admin -Dashboard und aktivieren Sie Gemini für Google Workspace, indem Sie die Alpha -Funktionen innerhalb der generativen KI -Registerkarten einschalten.

Sobald die Funktionen aktiviert sind, versuchen Sie, ein neues Google -Blatt mit Ihrem Google Workspace -Konto zu erstellen. Nach dem Öffnen einer neuen Datei sehen Sie das Icon ** Gemini **, ähnlich dem Bild unten.

Dies ist Ihr Gemini -Assistent, bei dem Sie etwas fragen und Gemini leiten können, bestimmte Aktionen in Google Sheets auszuführen. Wenn Sie sich nicht sicher sind, was Sie tun können, können Sie Gemini in der Eingabeaufforderung immer „was Gemini tun“ fragen.

Zum Beispiel können wir Google Gemini bitten, eine neue Tabelle zu erstellen und sie in unsere Blätter einfügen, ähnlich wie das Bild unten.

Indem wir vorhandenen Dateien oder Tabellen in Google Sheets verweisen, können wir das Gemini -Modell um weitere Analysen oder Vorschläge bitten. Zum Beispiel konnten wir Gemini nach Erkenntnissen aus unseren Daten und Vorschlägen für Diagramme bitten, die wir entwickeln konnten, wie im Bild unten gezeigt.

Im Wesentlichen können Sie Gemini alles fragen, und das Modell schlägt vor oder liefert Aktionen, die für Ihren Workflow geeignet sind.

Darüber hinaus können Sie direkt auf der Ebene von Google Sheet Cell mit Gemini arbeiten, was durch die erleichtert wird =AI Formel. Die Formel ermöglicht derzeit die Erzeugung, Zusammenfassung und Klassifizierung von Textual content.

Der =AI Die Formel erfordert zwei Parameter: die Eingabeaufforderung (oder Anweisung) und einen optionalen Referenzzellbereich. Beginnen wir mit dem generieren ein neues Etikett mit dem =AI Formel. Zum Beispiel könnten wir versuchen, einen Dokumentnamen basierend auf den Daten zuzuweisen, die wir haben.

=AI("Generate a doc identify appropriate for this row", A2:F2)

Drücken Sie dann die Style „Erzeugen und einfügen“, um die Formel auszuführen.

Einmal der =AI Die Formel wird ausgeführt. Sie können sie in die Zellen unterhalb der Ersten ziehen, um sie auf alle verfügbaren Daten anzuwenden. Zum Beispiel können wir Dokumentnamen in fünf verschiedenen Zellen generieren, wie unten gezeigt.

Sie können sich sogar auf die gesamte Tabelle beziehen und die folgende Formel verwenden, um den Datensatz zusammenzufassen.

=AI("Summarize the information in a single line", Table1)

Das Ergebnis sind Textdaten, die der folgenden Ausgabe ähneln.

The desk outlines challenge administration approaches, detailing their traits, benefits, disadvantages, appropriate purposes, and danger ranges.

Dadurch wird die grundlegende Einführung in den Zugriff auf und implementiert, um das Gemini -Modell in Google -Blättern zu ergreifen. Sie können weiter untersuchen und sehen, wie das Modell Ihre Datenanalyse beschleunigen kann.

Abschluss

Google Gemini ist zu einem Grundprodukt geworden, das Menschen ihre Arbeit unterstützt, indem sie Textual content basierend auf einer natürlichen Sprache generiert. Derzeit hat Google das Gemini -Modell über Google Workspace in Google Sheets integriert, auf das wir nach dem Abonnieren des Plans zugreifen können.

In diesem Artikel haben wir gelernt, wie man Google Gemini direkt in Google Sheets verwendet, sowohl über die Gemini -Seitenleiste als auch mit der Verwendung der Gemini =AI Formel.

Ich hoffe das hat geholfen!

Cornellius Yudha Wijaya ist ein Information Science Assistant Supervisor und Datenautor. Während er in Vollzeit bei Allianz Indonesien arbeitet, liebt er es, Python- und Datentipps über soziale Medien und das Schreiben von Medien zu teilen. Cornellius schreibt über eine Vielzahl von KI- und maschinellen Lernthemen.