《AI提示工程：基础·应用·实例》总结

这是一个关于《AI提示工程：基础·应用·实例》总结的思维导图，本书适合不同角色的读者阅读，包括一般读者、学生、研究人员、开发人员以及职场人士等。通过学习本书，读者可以深入了解提示工程，掌握大语言模型的应用技巧，提升工作效率和创新能力。

《AI提示工程：基础·应用·实例》总结

• 第1章 智领未来——走近大语言模型
  • 1、人工智能成为研究和应用的热点的主要因素：大数据、算法、计算能力
    • 大数据：提供丰富的学习资源
    • 算法：使数据得以更好的利用
    • 计算能力：提高人工智能的处理能力
  • 2、自然语言处理（Natural Language Processing，NLP）：研究人类语言与计算机之间相互作用
    • 自然语言理解（Natural Language Understanding，NLU）
    • 自然语言生成（Natural Language Generation，NLG）
  • 3、大语言模型的基本原理：基于已观察到的文本数据，学习其中的规律和概率分布，从而能够对未知文本进行预测和生成
  • 4、基于Transformer架构的大语言模型：基于自注意力机制的深度学习模型，通过自注意力机制有效地建模输入序列中的上下文关系
  • 5、大语言模型回答问题的过程可以表述为：
    • 用户输入一段文本后，系统会将该文本转换为一个向量表示
    • 系统通过与模型内部参数的匹配，找出与该向量相关性最高的词语，并将其作为下一步处理的输入
    • 这一过程基于模型对词语之间概率关系的学习和理解
    • 通过不断迭代，用户输入的文本和模型生成的回答之间的交互将逐渐丰富并完善对话的内容
• 第2章 提示工程概述
  • 一、常用的提示信息类型
    • 1、填空式提示信息：使用特定的占位符或标记替换关键信息，模型根据占位符的提示进行结果生成
    • 2、示例式提示信息：提供示例输入和输出对，引导模型生成类似的结果
    • 3、引导问题提示信息：通过提出问题或提示信息，引导模型生成符合问题要求的输出
    • 4、约束条件提示信息：引入特定的约束条件，限制模型生成结果的特征和属性
    • 5、优化目标提示信息：将生成任务转化为一个优化目标，通过优化算法引导模型生成最优结果
  • 二、提示信息的设计原则和框架
    • 1、提示词
      • 提问：请问用什么样的方式提问，你才能更加完美、清晰有条理地回答我的问题？
      • 提示信息：请将文档中的主要内容总结为思维导图。
      • 提示信息：生成的思维导图如何显示？
      • 提示信息：根据上面的文章的内容，请总结一个更加详细的思维导图。
    • 2、清晰具体的提示
      • ⑴.使用分隔符
        • 提示信息中的分隔符可以将不同的指令、上下文、输入隔开，避免意外的混淆
        • 提示信息示例：“公主和王子从此过上了幸福的生活……”，请续写内容，50字左右。
      • ⑵.要求结构化输出
        • 按照某种格式组织内容，如JSON、HTML等
      • ⑶.要求检查条件
        • 通过提示要求检查条件，请求模型判断其是否包含一系列步骤，若包含则按照给定格式重新编写指令，若不包含则回答“未提供步骤”
    • 3、给模型思考的时间
      • 指定完成任务步骤
      • 教导模型自己解决问题：要求模型首先自行解决问题，再根据模型生成的解法与给定的解法进行对比，从而判断给定的解法是否正确
  • 三、提示信息的设计原则
    • 1、明确性原则
      • 确定任务要求
        • 要求和目标
        • 期望的输出类型、内容、格式
      • 使用具体语言
        • 避免模糊和歧义的表达
    • 2、可解释性原则
      • 提供背景信息
      • 明确生成逻辑
        • 步骤
        • 关键要素
      • 解释生成结果
    • 3、灵活性原则
      • 支持参数化设计
        • 包含参数
      • 提供可选项
      • 可扩展性
        • 允许引入新的提示信息或修改现有提示信息
    • 4、多样性原则
      • 引入随机性
      • 提供变体选项
        • 提供不同的变体选项
      • 结合其他技术
        • 温度调节
        • 采样策略
  • 四、提示词框架
    • 1、CREATE框架（Character，Request，Examples，Adjustmen，Type of Output，Extras）
      • 角色（Character）
        • 专家、顾问、教练
        • 任何指定的角色
      • 请求（Request）
        • 详细说明需要什么类型的回答或帮助
        • 特定的信息、解释、建议、创意
      • 示例（Example）
        • 给出类似的问题或情景示例
        • 提供一些语句或关键词来指导模型的生成
      • 调整（Adjustment）
        • 修改请求的明确性、调整示例的特定内容或格式
        • 向模型提供更明确的指导
      • 输出类型（Type of Output）
        • 一篇文章、一个段落、一个列表、一份建议
        • 任何适合需求的形式
      • 附加功能（Extras）
        • 特定的格式要求、需要使用特定的术语或希望突出某些信息
        • 例如，使用粗体、斜体、引用、编号列表等
    • 2、APE框架：行动、目的、期望(Action,Purpose,Expectation)
      • 行动：定义要完成的工作或活动
      • 目的：讨论意图或目标
      • 期望：说明期望的结果
    • 3、TAG框架：任务、行动、目标(Task,Action,Goal)
      • 任务：定义具体任务
      • 行动：描述需要做什么
      • 目标：解释最终目标
    • 4、RTF框架：角色、任务、格式(Role,Task,Format)
      • 角色：指定大语言模型的角色
      • 任务：定义具体任务
      • 格式：定义您想要的答案的方式
    • 5、CARE框架：语境、行动、结果、示例(Context,Action,Result,Example)
      • 背景：设置讨论的舞台或背景
      • 行动：描述您想要做什么
      • 结果：描述期望的结果
      • 示例：举例说明观点
    • 6、SAGE框架：情况、行动、目标、期望(Situation,Action,Goal,Expectation)
      • 情况：描述背景或情况
      • 行动：描述需要做什么
      • 目标：解释最终目标
      • 期望：描述期望结果
    • 7、SPAR框架：场景、问题、行动结果(Scenario,Problem,Action,Result)
      • 场景：描述背景或情况
      • 问题：解释问题
      • 行动：概述要采取的行动
      • 结果：描述期望的结果
    • 8、TRACE框架：任务、请求操作、语境、示例(Task,Request,Action,Context,Example)
      • 任务：定义具体任务
      • 请求：描述您的请求
      • 行动：说明您需要采取的行动
      • 语境：提供背景或情况
      • 示例：举例说明观点
    • 9、ROSES框架：角色、目标、场景、预期解决方案、步骤(Role,Objective,Scenario,Expected Solution,Steps)
      • 角色：指定ChatGPT的角色
      • 目标：说明目的或目标
      • 场景：描述情况
      • 解决方案：定义期望的结果
      • 步骤：询问达成解决方案所需的行动
    • 10、SCOPE框架：场景、并发症、目标、计划、评(Scenario,Complications,Objective,Plan,Evaluation)
      • 场景：描述情况
      • 并发症：讨论任何潜在的问题
      • 目标：陈述预期结果
      • 计划：详细说明实现目标的步骤
      • 评估：如何评估成功
  • 五、提示工程在人工智能生成内容（AIGC）中的应用
    • 1、文本生成任务：创作、二次创作、翻译、代码、对话
      • ⑴.类型
        • ①.创作
          • 创作文学作品
            • 诗歌
            • 剧本
            • 作文
          • 应用文写作
            • 工作报告
            • 新闻写作
            • 营销文案
            • 短视频剧本
        • ②.二次创作
          • 文本添加
            • 扩写
            • 续写
            • 衍生作品
            • 同人作品
            • 评论
          • 文本抽取
            • 缩写
            • 摘要
            • 抽取特定信息
          • 文本转换
            • 改变写作风格
              • 创作者风格，如鲁迅风格等
              • 传播对象风格，如“小红书”风格
        • ③.翻译
          • 将文本翻译成其他语种
          • 支持语种同时翻译成不同语种
        • ④.代码
          • 多种计算机语言
          • 代码生成
          • 代码补齐
          • 代码纠错
          • 代码解释
        • ⑤.对话
          • 知识库提问
          • 基于特定文本的复杂提问
          • 简单问答
          • 模仿特定角色
          • 参与讨论
          • 多轮对话
      • ⑵.提示信息
        • ①.新闻摘要生成
          • 提示信息：根据以下文章生成一篇简洁准确的新闻摘要。
        • ②.对话生成
          • 提示信息：模拟以下对话场景并生成连贯的对话内容。
        • ③.文章风格改写
          • 提示信息：请将文章改写为某种风格。
        • ④.领域特定文本生成
          • 提示信息：根据以下问题生成一篇**领域的报道。
        • ⑤.诗歌生成
          • 提示信息：根据以下主题生成一首自由诗。
    • 2、图像生成任务：控制图像的内容、风格、特征
      • ⑴.描述图像
        • 将图像上传到大语言模型
        • 提示信息：请描述图像中的视觉元素或视觉传达。
      • ⑵.风格转换
        • 上传图像到大语言模型
        • 提示信息：将这张风景图像转换为**风格的图像。
      • ⑶.文字描述生成图像
        • 提示信息：根据以下描述生成一张图像：“**”。
      • ⑷.特定领域图像生成
        • 提示信息：根据以下描述生成**影像：“***”。
    • 3、音频生成任务
      • ⑴.音乐生成
        • 提示信息：根据以下提示信息生成一段欢快的钢琴音乐。
      • ⑵.语音合成
        • 提示信息：根据以下文本生成一段自然流畅的语音。
      • ⑶.音效生成
        • 提示信息：根据以下场景生成一个适合的音效。
      • ⑷.语音对话生成
        • 提示信息：模拟“***”对话场景生成连贯的语音对话内容。
      • ⑸.音频解释说明
        • 提示信息：根据以下描述生成一段关于天文现象的音频解释说明。
    • 4、其他生成任务
      • 视频生成
      • 代码生成
      • 设计生成
• 第3章 提示工程的策略和技巧
  • 一、提高提示信息量
    • 1、零样本提示
    • 2、单样本提示：提供一次提示（如一个示例句子）
    • 3、少样本提示：提供极少量的训练示例
    • 4、链式思维提示：多步骤的提示
    • 5、生成知识提示：将从大语言模型中生成知识并将其作为额外输入提供给问题回答模型
  • 二、提升一致性
    • 1、自我一致性提示（一系列问答）
      • 问：[内容]
      • 答：[内容]
      • 问：[内容]
      • 答：[内容]
      • ……
    • 2、思维树提示（树状结构组织多级提示）
      • 提示1（根节点）：[内容]
      • 提示2（分支1）：[内容]
      • 提示3（分支2）：[内容]
      • 提示4（分支2）：[内容]
      • ……
  • 三、结合其它能力-策略和技巧
    • 1、自动推理和工具使用提示：将推理过程、知识和工具结果嵌入提示信息中
    • 2、多模态连续学习提示：提供包含图像、音频、视频等非文本模态的信息
  • 四、反向提示工程：从输出文本反向生成提示信息
  • 五、协作技巧
    • 1、利用反向提示工程-激发创造力
      • “请提供一些关于如何提高研究论文写作质量的提示信息。”
      • “有哪些可以优化编码效率的提示信息？”
      • “请给出解决复杂问题的提示信息和策略。”
    • 2、深入分析实现扩展其回答内容
      • “请解释一下这个概念背后的原理和相关的学术研究。”
      • “能否提供一个具体案例来支持您的观点？”
      • “是否有相关的统计数据或研究结果来支持您的说法？”
    • 3、引用可信的来源和研究领域的知识
      • “您能提供一些已发表的研究论文来支持您的观点吗？”
      • “请引用一位在这个领域有影响力的专家的观点。”
      • “是否有权威机构发布的报告或调查数据可以支持您的说法？”
• 第4章 提示工程的典型应用
  • 一、通用技术发挥生产力效能的三个阶段
    • 第一阶段：点解决方案
      • 简单的点对点替换
      • 做到局部最优或特定问题显著改善
    • 第二阶段：应用解决方案
      • 流程变革
      • 做到整体提效或流程总体优化
    • 第三阶段：系统解决方案
      • 整个生产方式的改变
      • 甚至是系统性革命
  • 二、高效办公
    • 1、自动化办公流程
      • 自动填写表格、自动发送邮件、自动安排日程等
      • 自动写出具有针对性的邮件、自动呼出智能语音电话等
    • 2、智能搜索和信息提取
      • 通过语音搜索快速查找文件，通过自然语言处理技术提取文章中的关键信息等
      • 无论是线上会议的录像功能，还是线下会议室中的录音笔或手机录音，通过语音识别和信息提取，就能够自动生成会议纪要
    • 3、自动化文本处理和写作
      • 自动生成文章、自动进行语法检查和拼写检查、自动进行文本分类等
      • 日常文档处理：工作计划、工作总结、思想汇报、工作周报等
    • 4、智能客服和助手
      • 自动回答客户的问题、自动进行电话接听、自动进行语音转文字等
  • 三、改善职场交流技巧的场景
    • 1、基于沟通困境的解决方案：清晰的背景信息、具体的问题
      • ⑴.提示示例A
        • 提供以下情境并询问如何处理：在团队会议上，有一个同事存在频繁打断他人发言的行为，如何有效地应对这种情况，以确保公平和积极的讨论氛围？
      • ⑵.提示示例B
        • 请求大语言模型提供反馈和改进意见：我最近在演讲时遇到了一些挑战，请你提供一些建议来提高我的演讲表达能力，包括引起听众的注意、演讲结构和内容，以及使用肢体语言等方面的技巧。
    • 2、跨文化交流的沟通难题
      • ⑴.提示示例C
        • 提供特定文化背景并请求相关建议：我即将与来自不同文化背景的合作伙伴进行合作，他们的沟通风格和价值观与我存在差异，你能给予一些建议，以帮助我们更好地相互理解和协作吗？特别是在面对文化差异时，如何建立有效的沟通桥梁？
      • ⑵.提示示例D
        • 指定特定文化的沟通问题：在某些亚洲文化中，直接表达意见被视为不礼貌。请提供一些建议，如何在与有亚洲文化背景的合作伙伴交流时更好地尊重他们的价值观，并建立互信的工作关系。
      • ⑶.提示示例E
        • 请求大语言模型提供关于某一特定文化的背景知识：我即将前往日本参加商务会议，你能提供一些关于日本商务文化的重要提示吗？例如，关于礼仪、商务谈判方式，以及工作场合的期望等方面的信息。
  • 四、自我修炼导师
    • 1、学习内容：你想学些什么？
    • 2、学习时间：达成学习目标的时间有限制吗？
    • 3、特定需求：你有什么想要特别关注的事情吗？
  • 五、提示信息简化研究工作流程
    • 提示示例A
      • 产生主题想法
        • 例如，您能否提出与[xx领域]相关的五个重要的未解答问题，这些问题将提升[xx子领域或主题]的当前知识水平？
    • 提示示例B
      • 研究方法和数据收集技术
        • 例如，您能否建议在[xx子领域或背景]中研究[xx研究主题]的最佳研究方法和数据收集技术，包括它们的优点、缺点及每种方法何时最合适？
    • 提示示例C
      • 制定强有力的引言、论文陈述和结论
        • 例如，为我关于[xx研究主题]的[xx研究论文]制定强有力的介绍、清晰的论文陈述和令人信服的结论，有哪些有效的方法和策略？请提供有关如何构建这些要素的指导性问题和想法，以确保它们有效并与研究目标保持一致。
    • 提示示例D
      • 校对你的研究论文
        • 例如，校对并编辑我的[xx研究论文]中的语法、标点符号、重复单词和拼写错误。请提供建议，以提高我的研究论文的可读性。
    • 提示示例E
      • 生成综合数据
        • 例如，我希望您生成一个包含[数据集列]综合记录且具有以下特征的[相关数据集列]数据集。[字段名称]（[数据类型/范围]）...，等等。
• 第5章 提示工程赋能数据分析与挖掘
  • 一、网络爬虫
    • 1、自动化程序，从互联网上收集信息
      • 浏览网页并提取感兴趣的数据，如文本、图像、链接等
    • 2、按照一定的规则遍历网页并抓取数据，将数据保存或进一步处理分析
  • 二、数据清洗技巧
    • 数据去重
      • 删除重复数据
    • 缺失值处理
    • 异常值处理
    • 数据格式标准化
      • 统一格式
    • 数据验证和校验
  • 三、数据探索技术
    • 1、描述性统计
      • 通过计算和总结数据的基本统计量来揭示数据特征
      • 描述性统计量：均值、中位数、标准差、最大值、最小值等
      • 了解数据集
        • 集中趋势
        • 变异程度
        • 分布情况
    • 2、相关性分析
      • 探索数据变量之间的关联关系
      • 计算相关系数（如Pearson相关系数）
      • 绘制散点图、热力图等
      • 了解变量之间
        • 线性相关性
        • 正负相关性
        • 强度
    • 3、分布分析
      • 了解数据
        • 分布情况
        • 形态
      • 绘制直方图、箱线图、概率密度图等图表
      • 观察数据特征
        • 偏态
        • 峰度
        • 异常值
  • 四、数据可视化技术
    • 1、折线图
      • 展示随时间、顺序或其他连续变量而变化的数据趋势
      • 观察数据
        • 趋势
        • 季节性变化
        • 异常值
    • 2、散点图
      • 展示两个变量之间的关系，其中每个数据点代表一个观测值
      • 观察变量之间
        • 分布模式
        • 趋势
        • 异常值
    • 3、热力图
      • 使用颜色编码来展示两个离散变量之间的关联程度
      • 探索数据集中
        • 类别
        • 时间关系
        • 空间关系
    • 4、柱状图
      • 比较不同类别或组之间的数据量或数值大小
      • 观察类别之间
        • 差异
        • 趋势
  • 五、数据分析方法与模型
    • 1、描述性统计分析
      • 请绘制给定数据集中不同产品类别的销售额柱状图，以比较它们之间的差异。
    • 2、回归分析
      • ⑴.提问
        • 请给出一个房价预测的标准示例数据集。
      • ⑵.追问
        • 请根据给定数据集（数据集描述，房价house_prices.csv)，建立回归模型来预测目标变量（目标变量描述）。请进行数据预处理、特征选择、模型建立和评估，并给出预测结果和模型解释。
    • 3、时间序列分析
      • ⑴.通用提示信息：请根据给定时间序列数据集（时间序列描述），使用ARIMA模型进行未来趋势预测。请进行数据平稳性检验、模型拟合和预测，并给出预测结果和评估指标。
      • ⑵.下载“AirPassengers”数据集，执行
    • 4、分类与聚类分析
      • 通用提示信息：请根据给定数据集（数据集描述），使用K均值聚类算法将数据样本分为N个类别。请进行数据预处理、特征选择、聚类分析，并给出聚类结果和可视化展示。
• 第6章 提示工程数据分析实战：零代码、SQL和Python
  • 一、案例：基于市场数据的产品分析与决策（零代码）
    • 步骤1：市场份额分析。
      • 任务1
        • 提供一份市场份额的图表，显示公司和竞争对手在过去一年的市场份额情况。图表应包括公司和各竞争对手的市场份额百分比，并标明时间范围
      • 任务2
        • 请分析图表中的数据，包括我们公司和竞争对手的市场份额变化趋势、竞争对手之间的相对份额等。分析应涵盖整个时间范围，并着重强调数据中的关键观察结果
    • 步骤2：销售额分析。
      • 任务1
        • 生成一份销售额的趋势图表，显示过去两年中每个季度的销售额变化情况。图表应包括每个季度的销售额和相应的时间标签
      • 任务2
        • 通过分析图表中的数据，找出销售额增长或下降的原因。分析过程中应考虑市场趋势、产品创新、竞争策略等因素，并提供具体的数据支持和推理
    • 步骤3：市场调研结果分析
      • 任务1
        • 生成一份市场调研结果的图表，显示产品满意度和品牌知名度等指标的得分情况。图表应包括不同指标的得分和相应的时间标签
      • 任务2
        • 通过分析图表中的数据，提出改进产品的建议。分析应基于不同指标的得分情况，针对产品功能、客户体验等方面的改进提出具体建议，并结合相关调研数据提供支持
    • 步骤4：竞争对手分析。
      • 任务1
        • 生成一份竞争对手的市场表现图表，包括竞争对手的市场份额、销售额和产品特点等。图表应以时间为轴，显示过去一年中竞争对手的变化情况
      • 任务2：
        • 根据市场趋势预测结果，提出针对竞争对手的战略建议，同时这些战略建议对我们公司亦有借鉴意义。战略建议应涵盖市场定位、产品开发、营销策略等方面，并结合市场趋势预测结果进行论证
  • 二、案例：销售数据分析与挖掘（SQL）
    • 1、提出针对数据的复杂查询
      • 查询销售额最高的产品，以便了解最受欢迎的产品类型
      • 分析客户购买模式，找出购买最频繁的客户群体，以制定有针对性的市场策略
      • 根据销售订单数据，预测未来销售趋势，以帮助企业做出准确的销售预测和库存管理决策
      • 通过关联分析，发现产品之间的关联关系，以提供交叉销售的建议
    • 2、步骤
      • ⑴.创建表：Customer、Product、SalesOrderHeader、SalesOrderDetail
      • ⑵.构建查询
      • ⑶.插入数据：需要根据具体需求和数据模型的结构提供相应的信息
      • ⑷.解释SQL语句
      • ⑸.按照要求编写查询语句
        • ①.寻找产品销售额前十的产品名称
        • ②.找出产品消费额前十的顾客，以及他们购买最多的前十种产品
        • ③.创建一个统计每个月每位顾客的购买总额报告
      • ⑹.使用临时表的方法
      • ⑺.创建视图
      • ⑻.复杂查询
        • ①.使用SUM函数
        • ②使用子查询和HAVING子句
          • 注意：当回答的结果不正确，特别是字段名等出错时，在提示信息中可以增加表结构加以说明。
        • ③多轮提示解决报错问题
          • 代码执行后报错信息
      • ⑼.通过直接将报错信息复制到大语言模型寻求解决方案
      • ⑽.透视表
      • ⑾.One-Hot编码
        • 分类变量编码，用于将离散的分类变量转换为二进制的向量表示
        • 在One-Hot编码中，每个不同的类别都被表示为一个唯一的二进制向量，其中只有一个元素为1，表示该类别，其他元素均为0。
        • 例如，假设有一个分类变量“颜色”，可能的取值有“红色”、“蓝色”和“绿色”，则进行One-Hot编码后的结果如下：
          • -“红色”：[1，0，0]
          • -“蓝色”：[0，1，0]
          • -“绿色”：[0，0，1]
      • ⑿.购物篮分析
        • 基于客户购买行为的数据分析
        • 通过挖掘客户购物篮中的商品组合和关联规律，揭示商品之间的潜在关联和购买模式
      • ⒀.时间序列分析：用于研究数据随时间变化的统计，通过对时间序列数据的趋势、季节性、周期性和随机性等特征进行建模和分析，可以揭示数据背后的模式、趋势和周期性变化
        • ①.移动平均法：常用的时间序列分析方法，用于平滑数据并识别趋势。通过计算数据点的平均值来减少噪声和波动，从而更清晰地显示数据的长期趋势。移动平均法基于滑动窗口，每次移动窗口一步，重新计算窗口内数据的平均值。可以消除季节性和短期波动的影响，提供更稳定的趋势线，用于预测和分析数据的长期走势和周期性变化
        • ②.指数平滑法：通过加权平均的方法对时间序列数据进行平滑处理和趋势预测，适用于捕捉数据的趋势性变化和短期预测
  • 三、项目实战：武汉房价分析（python）
    • 1、数据清洗与处理
      • ⑴.提问
        • 下面你作为一名专业的数据分析和挖掘工程师，根据我提供的数据，用Python指导我做一个武汉的房价分析，谢谢。
      • ⑵.执行代码“data=pd.read_csv（'wuhan.csv'）”后，报错：Unicode DecodeError：'utf-8'codec can't decode byte 0xce in position 68：invalid continuation byte。
      • ⑶.追问
        • 执行语句“data = pd.read_csv("wuhan.csv",encoding='gbk')”后，从csv中
        • 读取的数据示例如下：
        • [数据示例代码内容]
        • 请对读取的数据进行过滤，去除面积为None的数据
    • 2、词云图
      • ⑴.提问
        • 请读取小区的名字，绘制词云图。
      • ⑵.追问
        • 上面的代码中的汉字不能正常显示，全部是方框。小区的名字都是汉字，请重新写上面的代码，谢谢。
      • ⑶.追问
        • 上面的代码可以对中文进行分词吗？
    • 3、数据分析与挖掘
      • ⑴.提问
        • 请对小区的名称进行分词后，统计分析小区的命名偏好。
      • ⑵.追问
        • 请绘制图表，分析房子面积与房价之间的关系。
      • ⑶.代码执行后报错信息如下：“ValueError：invalid literal for int（）with base 10：'暂无数据'”。
      • ⑷.追问
        • 上面的代码报错：ValueError：invalid literal for int()with base 10：'暂无数据’。
      • ⑸.追问
        • 请对房屋的建设年份进行分析，字段名为buildtime，并绘制统计结果柱状图，用中文显示图名为“建设年份统计”。
      • ⑹.追问
        • 请对房屋的热门户型进行分析，字段名为size，并绘制统计结果图，用中文显示图名为“热门户型统计”。
    • 4、机器学习预测
      • ⑴.提问
        • 请将房屋面积(area)，价格(price），建设年份(buildtime)的值转换为“float”类型。
      • ⑵.执行上述代码将房屋面积（area）、价格（price）、建设年份（buildtime）的值转换为“float”类型时报错：“ValueError：could not convert string to float：'暂无数据'”。
      • ⑶.追问
        • data['area'] = data['area'].astype(float)报错： ValueError: could not convert string to float：'暂无数据！
      • ⑷.修改代码，执行修改后的代码时报错：“ValueError：could not convert string to float：'None'”。
      • ⑸.追问
        • datal'price'] = data['price'].astype (float)报错： ValueError: could not convert string to float:'None'
      • ⑹.追问
        • 增加三个字段“exemption of business tax”、“exemption of double tax”和“quality education”，默认值为0，将字段advantage房屋优势特征中含有“满二”的“exemption of business tax”字段赋值为 1，含有“满五”的“exemption of double tax”字段赋值为 1，含有“教育”的“quality education”字段转换为1。
      • ⑺.注意：在执行上述代码时，请注释掉data=pd.read_csv（"wuhan.csv"，encoding='gbk'），因为经过前面的步骤，研究者已经对原始的wuhan.csv进行了清洗等操作
      • ⑻.追问
        • 请用buildtime、price、exemption of business tax、exemption of double tax、quality education，基于回归模型进行价格（price）预测。
      • ⑼.注意：在执行上述代码时，请注释掉data=pd.read_csv（"wuhan.csv"，encoding='gbk'），因为经过前面的步骤，研究者已经对原始的wuhan.csv进行了清洗等操作
      • ⑽.追问
        • 能否使用其他的回归模型进行预测？
      • ⑾.注意：在执行上述代码时，请注释掉data=pd.read_csv（"wuhan.csv"，encoding='gbk'），因为经过前面的步骤，研究者已经对原始的wuhan.csv进行了清洗等操作