有了 ChatGPT-4o 帮忙数据分析，狗生没那么艰难了

欢迎交流与合作
微信 Positivism_y
b 站 up 主：hellomedstat

为什么要找大语言模型辅助写代码？

作为一个还没被人工智能取代掉的社畜，未来的狗生中还得亲自干活 🙂 （不记得谁回我一句，狗有你这么老？）
至于用 ChatGPT-4o 来数据分析，并不是我赶时髦，仅仅是我的 R 语言编程在学习中，发现由于接触代码的频率没那么高，更不是学代码出身，所以学亿点忘亿点，实在是不能忍！！不过反复折腾之下培养了一些代码素养，很容易借助工具，间接使用 R 语言。

当我在网上搜：R 语言代码自动生成，巴拉巴拉......果然有一些网站，我就一个个去试了。最后和这个 RTutor 确定了关系：

（一种朴实的极客之美？）

RTutor 不用梯子，且接入 GPT-4o（使用的 GPT 版本几乎是即时更新）。 开发者是在美国的华人 Steven Ge。关于 RTutor，他有 8 分钟介绍视频，看完视频我决定，就它 & 他了。

一开始我用 RTutor 提供的样例数据库玩了玩，接着又上传了自己的一些科研数据，对照团队里用 Stata 运行的结果，发现全部符合。所以你也不妨尽情提问，和 ChatGPT 对话是一样的。而且 Steven Ge 说了，中文对话完全可以，在“Examples”下拉菜单选择 Chinese 即可。

RTutor 操作界面是这样的：

RTutor 界面功能解释：

比如用样例的 “mpg” （汽车）数据集，再随意选择“Examples”下拉菜单中的一个模板问题 “Relationship: numbers-numbers”（查看变量间关联），进一步选择当中的 “numbers-categories”（即数值变量与分类变量）即可查看年份（数值）与车型（分类）之间有无关联。选好之后便自动生成了自然语言的指令。

意为：用箱形图作图（且交换横纵坐标让箱子“倒下”），用颜色区别年份，让点散开一些（jitter）。

（这些都是很有用的语句，RTutor 光是样例就包含了足够多的数据分析需求，新手用它学习真心可以跳过很多枯燥部分。我们以后可以照搬这些语句向 RTutor 提要求，分析自己的数据，毕竟数据分析大多是套路。）

RTutor 给出的代码和图表为：

还可以选择图中右半边下方的 “interactive via plotly” 看看会发生什么。主打一个边玩边学🤨

上传自己的数据进行分析

过了几天，我又用 RTutor 尝试了自己 meta 回归收集的数据。数据来自临床的电子病历，包含了我们认为重要的所有变量（比如白细胞指标是一个变量，是否患病也是一个变量），所以在数据分析之前需要做变量精简，去伪存真。而一个重要方法就是查看变量之间是否有重复信息。一般可以通过临床专业知识来识别，但如果变量繁多，或变量间关联隐蔽的情况下，从数据统计的角度来查看也是一种靠谱的方法。

所以在对话框告诉 RTutor我想要分析变量间的两两关系，返回结果是：

其实在 RTutor 的 EDA 界面，已经默认用流行的 GGally 包生成“相关性矩阵”（数据科研文章当红图表之一）：

作为一个 RTutor 的介绍，本期就讲到这里，鼓励小伙伴打开网页玩一玩：https://rtutor.ai/

欢迎交流与合作
微信 Positivism_y
b 站 up 主：hellomedstat