Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
Funksjonen ai.generate_response bruker generativ AI til å generere tilpassede tekstsvar som er basert på dine egne instruksjoner, med en enkelt kodelinje.
Note
- Denne artikkelen dekker bruk av ai.generate_response med pandaer. Hvis du vil bruke ai.generate_response med PySpark, kan du se denne artikkelen.
- Se andre AI-funksjoner i denne oversiktsartikkelen.
- Lær hvordan du tilpasser konfigurasjonen av AI-funksjoner.
Oversikt
Funksjonen ai.generate_response kan utvide pandas DataFrame-klassen og pandas Series-klassen .
Hvis du vil generere egendefinerte tekstsvar rad for rad, kan du enten kalle denne funksjonen på en pandaserie eller en hel pandas DataFrame.
Hvis du kaller funksjonen på en hel pandas DataFrame, kan ledeteksten være en litteral streng, og funksjonen vurderer alle kolonnene i DataFrame mens den genererer svar. Ledeteksten kan også være en formatstreng, der funksjonen bare vurderer kolonneverdiene som vises mellom klammeparenteser i ledeteksten.
Funksjonen returnerer en pandas-serie som inneholder egendefinerte tekstsvar for hver rad med inndata. Tekstsvarene kan lagres i en ny DataFrame-kolonne.
Tip
Lær hvordan du lager mer effektive spørsmål for å få svar av høyere kvalitet ved å følge OpenAIs tipstips for gpt-4.1.
Syntaks
df["response"] = df.ai.generate_response(prompt="Instructions for a custom response based on all column values")
Parametere
| Name | Beskrivelse |
|---|---|
prompt Obligatorisk |
En streng som inneholder ledetekstinstruksjoner som skal brukes på inndatatekstverdier for egendefinerte svar. |
is_prompt_template Valgfritt |
En boolsk verdi som angir om ledeteksten er en formatstreng eller en litteral streng. Hvis denne parameteren er satt til True, vurderer funksjonen bare de bestemte radverdiene fra hvert kolonnenavn som vises i formatstrengen. I dette tilfellet må disse kolonnenavnene vises mellom klammeparenteser og andre kolonner ignoreres. Hvis denne parameteren er satt til standardverdien for False, anser funksjonen alle kolonneverdier som kontekst for hver inndatarad. |
response_format Valgfritt |
En ordbok som spesifiserer den forventede strukturen til modellens respons. Feltet type kan settes til "tekst" for fri tekst, "json_object" for å sikre at utdataene er et gyldig JSON-objekt, eller et tilpasset JSON-skjema for å håndheve en spesifikk responsstruktur. Hvis denne parameteren ikke er oppgitt, returneres svaret som klartekst. |
Returnerer
Funksjonen returnerer en pandas DataFrame som inneholder egendefinerte tekstsvar på ledeteksten for hver inndatatekstrad.
Eksempel
# 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)
Denne eksempelkodecellen gir følgende utdata:
Eksempel på responsformat
Følgende eksempel viser hvordan man bruker parameteren response_format for å spesifisere ulike svarformater, inkludert ren tekst, et JSON-objekt og et tilpasset JSON-skjema.
# 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)
Denne eksempelkodecellen gir følgende utdata:
Relatert innhold
Oppdag sentiment med ai.analyze_sentiment.
Kategoriser tekst med ai.classify.
Generer vektorinnlegginger med ai.embed.
Trekk ut enheter med ai_extract.
Fiks grammatikk med ai.fix_grammar.
Beregn likhet med ai.likhet.
Oppsummer tekst med ai.summarize.
Oversett tekst med ai.translate.
Finn ut mer om hele settet med AI-funksjoner.
Tilpass konfigurasjonen av AI-funksjoner.
Gikk vi glipp av en funksjon du trenger? Foreslå det på Fabric Ideas-forumet.