通过登录OpenAI平台并使用其功能，你可以方便地编写代码，从而提高开发效力。不但可以通过自然语言指令和模板生成代码，还可使用ChatGPT和OpenAI Codex进行更复杂的编码任务。请确保与OpenAI平台保持密切联系，以了解其最新功能和优化。

how to use openai to write code的进一步展开说明

使用ChatGPT进行编码

最近，我了解到了ChatGPT，这是由OpenAI开发的一种能够以非常人类的方式回利用户的AI聊天机器人。ChatGPT不但可使用文本进行回应，还可以要求它编写代码。事实上，最近有人告知我，她使用chatGPT来完成她在城市数据科学硕士课程中的一些作业，包括写作和编写代码。

作为一个大部份工作时间都在编码的人来讲，让聊天机器人为我编写代码听起来既使人兴奋（想象一下我能节省的时间！），又有点使人惧怕（这意味着我几年后可能会失业吗？）。所以我决定尝试一下chat GPT的编码能力，特别是用于Python的地理数据分析。本文展现了一些初步结果和我的第一印象。

在本文中，我要求Chat GPT完成我常常需要进行的一项常见任务：将多边形（可以是国家、城市或市政区的形状）转化为可以轻松聚合统计数据的网格单元。

让我们开始吧！

首先，我问Chat GPT：“在多边形内创建一个geodataframe网格”，这是它的回应：

import geopandas as gpd

# 创建一个多边形

polygon = gpd.GeoDataFrame({‘geometry’: gpd.GeoSeries([Polygon([(0,0), (0,1), (1,1), (1,0)])])})

# 在多边形内创建一个网格的geodataframe

grid = gpd.gridify(polygon, cell_size=0.1, geometry=’Polygon’)

# 绘制网格

grid.plot()

我对这个回应感到非常印象深入，特别是它建议使用gpd.gridify()，这是一个我之前从未听说过的geopandas属性。但是，当我试图运行这段代码时，发现geopandas模块没有gridify属性。换句话说，聊天机器人建议我使用一个看起来非常方便的工具，但实际上其实不存在。

但是，还有一个名为gridify的Python模块，所以或许聊天机器人被这个模块弄胡涂了。它还在使用之前没有导入shapely属性Polygon的代码之前忘记了导入这个属性，但这只是一个小问题。

与chat GPT的有趣的地方在于，你可以与它进行连续的对话，它会记住你之前的交互。所以我问了一个后续问题，试图得到一段可用的代码。所以我问道：“我尝试了这段代码，但出现了“模块‘geopandas’没有属性‘gridify’”的毛病。你能为我修复这个毛病吗？”，这是它的回应：

虽然机器人宣称shapely有gridify属性，但当我运行代码时发现这其实不真实。shapely 也没有gridify属性。

所以我问了另外一个后续问题：“我尝试了这段代码，但出现了“没着名为‘shapely.gridify’的模块”的毛病消息。还有其他选项吗？”

然后机器人自信地告知我，gridify确切是shapely库的一部份，但在更新的版本中已被移除。据我所知，这也是不正确的。

它写的代码产生了…一个正方形循环，远非我所要寻觅的东西。老实说，我觉得它非常弄笑。

第二次尝试：成功了！

我与chat GPT的第一次对话明显进展得不太顺利，所以我决定重新开始，并更清楚地提出我的问题。我问它：“生成一个geodataframe的单元格网格的Python代码”，这是它的回应：

import geopandas as gpd

from shapely.geometry import Polygon

# 定义网格的边界

min_x, min_y = 0, 0

max_x, max_y = 10, 10

# 定义网格中单元格的大小

cell_width, cell_height = 1, 1

# 定义要使用的投影

crs = “EPSG:4326” # WGS84

# 初始化一个空列表来存储网格单元格

grid_cells = []

# 遍历网格的边界，并为每一个单元格创建一个多边形对象

for x in range(min_x, max_x, cell_width):

for y in range(min_y, max_y, cell_height):

# 定义单元格的坐标

cell_coords = [(x, y), (x+cell_width, y), (x+cell_width, y+cell_height), (x, y+cell_height)]

# 创建多边形对象

cell = Polygon(cell_coords)

# 将多边形添加到列表中

grid_cells.append(cell)

# 创建GeoDataFrame

gdf = gpd.GeoDataFrame(geometry=grid_cells, crs=crs)

# 可视化网格

gdf.plot()

……它成功了！！上面的代码成功创建了一个作为geodataframe的网格单元格，这个网格可以裁剪以适应特定区域（例如国家、市政区或城市）。我可能也能够要求chatGPT完成这个下一步，但不幸的是，由于有太多的人在使用，所以机器人目前不可用——这类情况最近愈来愈频繁产生。

chatGPT生成的用于创建单元格网格的Python代码的结果

因此，chat GPT确切有能力为空间数据科学编写简单的Python代码，只要给它提供一个书写清晰明了的问题。

最后的思考

通过chatGPT进行这个简短的实验突显了聊天机器人和或许是人工智能在一般情况下的两个有趣的地方。

首先，我们可以看到人工智能可以生成乍一看可能公道的产品，但经过进一步调查，发现实际上是毛病的。一个常见的例子是由人工智能生成的人脸图象，这些人脸乍一看可能看起来很逼真，但仔细视察时会发现有奇怪的异常。

使用AI生成的人脸中的异常，详情请见medium文章

在编写代码时，Chat GPT通过创造一个叫做gpd.gridify()的geopandas模块来做类似的事情，这个模块仿佛是成心义的，但实际上其实不存在。

其次，ChatGPT（或许是其他AI机器人）的目的不是提供准确的信息，而是看起来像是准确的信息。根据chatGPT的FAQ页面，该模型被训练成尽量模仿人类言语，其实不是为了提供真相。

这就是为何它非常自信地宣称gridify是geopandas库的一部份，而当被证明不正确时，它宣称gridify实际上是shapely库的一部份。这两个陈说都是不正确的，但或许这其实不是chatGPT的目的。

接下来要做甚么？

我对chatGPT的能力感到非常兴奋，将来会用它来解决更困难的编码任务。

我还发现它在生成想法方面非常有用——我提出了关于可延续性+空间数据科学的数据科学项目的想法，虽然它没有提供对我来讲新颖的想法，但提供了可延续发展/空间数据科学领域相当好的概述，我可以想象对新手来讲可能非常有用。

当我问关于项目想法时，chatGPT的回应以下：

可延续交通计划：开发一个帮助计划者优化公共交通网络以减少温室气体排放和提高可访问性的工具。这可能触及分析出行需求的模式，与公共交通数据源整合，并实行网络设计和路径计划的算法。

可延续土地利用计划：开发一个帮助计划者在最小化环境影响和提高可延续性方面优化土地利用模式的工具。这可能触及分析土地利用和土地覆盖的模式，与土地利用数据源整合，并实行土地利用分配和优化的算法。

环境影响评估：开发一个帮助组织评估其运营或项目的环境影响的工具。这可能触及与环境指标（如空气和水质）的数据源整合，并实行环境影响评估和预测的算法。

可再生能源选址：开发一个帮助组织辨认合适可再生能源发电的场地（如太阳能或风力发电厂）的工具。这可能触及分析太阳辐射、风速和其他相关因素的模式，并与土地利用和地形数据源整合。

可延续供应链优化：开发一个帮助组织优化其供应链以最小化环境影响和增强可延续性的工具。这可能触及分析物资和能量活动的模式，与供应链数据源整合，并实行优化和风险评估的算法。

chatGPT现在对所有人都是开放的，可以在chat.openai.com上使用。要使用它，你只需要一个互联网浏览器。请随时自己尝试，并让我知道你的发现