使用 ai.embed 功能來搭配 pandas

該 ai.embed 功能利用生成式 AI 將文字轉換為向量嵌入。 這些向量讓 AI 能理解文本間的關係，因此你可以根據意義而非精確措辭來搜尋、分組和比較內容。 只要一行程式碼，你就能從資料框中的一欄產生向量嵌入。

備註

• 本文介紹使用 ai.embed 搭配 pandas。 要使用 ai.embed 搭配 PySpark，請參見 這篇文章。
• 請參閱 此概述文章中的其他 AI 功能。
• 瞭解如何自訂 AI 功能的設定。

概觀

ai.embed 函式會擴充 pandas Series 類別。

要產生每個輸入列的向量嵌入，請呼叫 pandas 系列 或 pandas DataFrame 的文字欄上的函式。

該函式回傳包含嵌入的 pandas 系列，這些嵌入可儲存在新的 DataFrame 欄位中。

語法

df["embed"] = df["col1"].ai.embed()

參數

沒有。

退貨

函式回傳一個 pandas Series，其中包含每個輸入文字列的嵌入，這些嵌入以 浮點數32位的 numpy 陣列 顯示。 陣列中的元素數量取決於嵌入模型的尺寸，而這些尺寸可在 AI 函式中配置

Example

# This code uses AI. Always review output for mistakes.

df = pd.DataFrame([
        "This duvet, lovingly hand-crafted from all-natural fabric, is perfect for a good night's sleep.",
        "Tired of friends judging your baking? With these handy-dandy measuring cups, you'll create culinary delights.",
        "Enjoy this *BRAND NEW CAR!* A compact SUV perfect for the professional commuter!"
    ], columns=["descriptions"])
    
df["embed"] = df["descriptions"].ai.embed()
display(df)

此範例程式碼儲存格提供下列輸出：

相關內容

• 使用 ai.embed 配合 PySpark。

• 用 ai.analyze_sentiment檢測情緒。

• 使用 ai.classify 對文本進行分類。

• 使用ai_extract提取實體。

• 用 ai.fix_grammar修復語法。

• 使用 ai.generate_response 回答自訂使用者提示。

• 使用 ai.similarity 計算相似度。

• 使用 ai.summarize 總結文本。

• 使用 ai.translate 翻譯文本。

• 進一步了解 全套 AI 功能。

• 自訂 AI功能的配置。

• 我們錯過了您需要的功能嗎？ 請在 Fabric Ideas 論壇上提出建議。