你们在处理实验数据的时候，经常用到哪些处理数据的工具呢？现在有哪些人工智能工具可以使用呢？
2024-11-19 阅读 12
更新于 2024年11月22日
作为一位研三的科研狗，做科研尤其是分析实验数据的时候，确实有不少工具能使工作事半功倍。特别是现在人工智能飞速发展，很多工具都能帮你节省大把时间，甚至还能避免掉一些重复劳动和低级错误。下面分享一下组内常用的数据分析工具和人工智能产品：
传统数据处理工具Excel：这个老牌选手是入门必备，简单的计算、数据清洗、画图都能搞定。比如，你要分析一组实验数据，想看平均值、标准差、趋势图，这些都可以通过内置的公式和图表功能完成。但我一般只excel录入下机数据，因为数据量太大的时候，excel会卡死，所以更多时候我会用到后面的工具。Python 和 R：这俩是数据分析界的王炸工具，也是我们课题组指定的数据分析工具，至于什么SAS、SPSS、Prism等手动式分析工具老板一律不让用，问就是无法做到过程留痕。要知道现在不论是写论文、做汇报，结果虽然重要，但过程也是重中之重。Py和R的代码就是最简单的过程留痕，可以清楚的知道你哪一步出现了问题，且能保证结果复现。更复杂一点，可以使用Rmarkdown、Quarto、Git等工具，进行过程报告的实现和代码修改的记录。下面做一个Py和R的简介：Python 的 pandas 和 matplotlib 库，数据清洗、统计分析和画图全能搞定。比如，我经常用 Python 来处理几万行的实验数据，把缺失值填上、异常值剔除，还能顺手出个漂亮的图。R 则更偏统计，用 ggplot2 做图特别漂亮，特别适合做一些需要高级统计分析的实验，比如做多元回归模型。人工智能工具（新时代神器）现在的 AI 工具简直是科研人员的福音，尤其是处理复杂数据或者写论文的时候，用得好就跟开挂一样。
1. ChatGPT用途：
数据分析思路规划。代码生成或调试（比如用 Python、R）。数据结果解释。案例： 假如你有一堆实验数据，想快速跑一段代码来算平均值、标准差甚至画个散点图。你只需要告诉 ChatGPT：“我有一组实验数据，包括温度和反应速度，能帮我写个 R 程序分析这两者的关系吗？” 它立马给你搞定一个代码。
这里贴一张刚刚演示的图片：
GPT还贴心的给出了代码讲解：
以及后续补充：
非常完美！
2. Jupyter Notebook + OpenAI API用途：结合 Python 代码写交互式的数据分析笔记，特别适合边分析边记录心得。用 OpenAI 的 API，可以让 AI 实时参与你的分析。
