作者The PyCoach
欢迎关注
@Python与数据挖掘，专注 Python、数据分析、数据挖掘、好玩工具！
ChatGPT 自去年 11 月 30 日 OpenAI 重磅推出以来，这款 AI 聊天机器人迅速成为 AI 界的「当红炸子鸡」。一经发布，不少网友更是痴迷到通宵熬夜和它对话聊天，就为了探究 ChatGPT 的应用天花板在哪里，经过试探不少人发现，ChatGPT 似乎像个全能战士，可以聊天、写代码、修改 bug、做智能音箱、写神经网络……
但是！作为一名资深打工者，平时工作中 Word、PPT、Excel 等必不可少，要是能将 ChatGPT 整合进这些应用软件简直不要太开心。这方面微软已经在紧锣密鼓的进行了。
微软的动作到底有多迅速，我们一时半会还猜不出来，但是已经有人坐不住了，这位名叫 PyCoach 的 AI 爱好者开始用 ChatGPT 写 Excel 公式，工作效率妥妥提高 10 倍。
PyCoach 表示，我们需要做的是创建有效提示，从而使得 ChatGPT 可以生成 Excel 公式和宏。
使用过 ChatGPT 的人都知道，提示占据非常重要的位置。而 Word，Excel、PPT 这办公三大件中，当属 Excel 最难搞，想要熟练掌握它，需要记住很多公式。但是使用提示就简单多了，和 ChatGPT 聊聊天就能解决问题。
下面我们看看 PyCoach 是如何实现的。
目录
使用 ChatGPT 完成 Excel 公式
首先你需要创建一个账户，注册成功后得到如下界面：
创建账户地址：https://chat.openai.com/auth/login
接下来是使用 ChatGPT 完成 Excel 公式。在使用 Excel 时，我们常常会利用其自带的计算函数，包括数据库函数、日期与时间函数、统计函数等。这些函数分别有自己的名称和格式，调用时需要按照规定格式准确输入参数，这给 Excel 用户带来了一些使用负担。
但是现在，我们用自然语言「告诉」ChatGPT 要计算的内容就可以了。我们以下面这张全年收入支出数据表为例，假设我们是 Excel 新手，不知道如何将 Expenses 列的值相加。
SUM
在这种情况下（当我们想要对一些数据进行求和），我们只需要告诉 ChatGPT 要对哪些数据求和，它就会输出一个已经代入实际参数的公式。例如：
ChatGPT 就像是一个精通 Excel 的小助手，我们把它写好的公式放到 B14 单元格里就能得到 B2 到 B13 单元格里数据的和。
有时，我们对一个 Excel 表格有多个问题，这时我们也可以对 ChatGPT 连续提问。例如对于上面的收入支出数据表，想知道 1. 月支出超过 100000 美元的次数；2. 未支付的费用总计多少，我们就可以询问 ChatGPT 获得计算公式：
COUNTIF
这一步是计算月支出超过 100000 美元的次数：
SUMIF
这一步是对「已支付」状态栏中标记为「否（No）」的费用求和：
特别是对于一些复杂的函数，如果我们记不清其参数格式，就可以让 ChatGPT 帮忙写出正确格式，例如 VLOOKUP：
提取数据
接下来挑战任务升级。假设我们有下面的电话号码列表，我们想要额外的区号（area code），即前面括号内容。
向 ChatGPT 描述此任务：
下面是 ChatGPT 生成的公式：
=MID (A1,FIND ("(",A1)+1,FIND (")",A1)-FIND ("(",A1)-1)我们唯一要做的修改就是用 A2 替换 A1，然后就可以得出结果！
计算唯一值
接下来我们数一下列 B 中有多少唯一的区号（area codes）。如下图所示，ChatGPT 生成了非常复杂的公式，但这些公式不起作用。究其原因，可能是 ChatGPT 记住了对话中的每一个细节。我们可以试着提问一个一般性的问题来解决：
ChatGPT 生成的公式如下
=SUMPRODUCT (1/COUNTIF (range, range))如果加上区号所在的范围，公式又变成如下方式：
=SUMPRODUCT (1/COUNTIF (B2:B9, B2:B9))使用 ChatGPT 创建宏
接下来让我们尝试使用 VBA 创建一个简单的宏，按 tab 名对 sheet 进行排序。
由上图可得，ChatGPT 出现了错误，这时我们需要向 ChatGPT 描述错误，并进行 debug。
一番调试后，ChatGPT 完成了工作，但没有达到预期。除此以外，ChatGPT 通过 tab 名对 sheets 进行排序，它将其中一个 tab 名更改为 temp。
以上就是 PyCoach 对 ChatGPT 的探索，可以看出 ChatGPT 还是很有帮助的，还在为写 Excel 公式头疼的小伙伴，可以试一试了。
技术交流
技术要学会分享、交流，不建议闭门造车。一个人可以走的很快，一群人可以走的更远
本文技术由粉丝群小伙伴分享汇总。技术交流、求职内推、干货汇总、与 5000+来自百度、阿里、头条、腾讯、港大等名企开发者互动交流~
目前技术交流群群友已超过5000人，直接加微信号：pythoner666，添加时最好的备注方式为：知乎+兴趣方向，方便更快获取完整资料、入群。
强烈推荐大家关注 Python与数据挖掘 知乎账号和 Python学习与数据挖掘微信公众号，可以快速了解到最新优质文章。
文章推荐
基于 Toad 的评分卡模型全流程详解（含 Python 源码）
Python有哪些杀手级超厉害框架或库或应用？
又发现了一个Jupyter Notebook的黑科技，Visual Python支持无代码开发！
盘点10个让工作效率倍增且有趣的 Python库！
prettytable：一款可完美格式化输出的 Python 库
推荐收藏！机器学习建模调参方法总结！
推荐收藏！23个机器学习最佳入门项目（附源代码）
没看完这11 条，别说你精通 Python 装饰器!
60个 VS Code 神级插件，助力打造最强代码编辑器！
太实用了！Schedule模块， Python 周期任务神器！
这4款数据自动化探索 Python 神器，解决99%的数据分析问题！
20个数据分析师必会的数据模型，建议收藏！
真香啊！让 Python 编程起飞的 24 个神操作！
深度盘点：30个用于深度学习、自然语言处理和计算机视觉的顶级 Python
全网超详细！用户画像标签体系建设指南！
机器学习模型验证，这3个 Python 包可轻松解决95%的需求！
精选 30 个炫酷的可视化大屏模板，拿走就用！
够强大！Python 这款可视化大屏不足百行代码！
深度盘点：8000字详细介绍 Python 中的 7 种交叉验证方法
