xuefliang

  # -*- coding: utf-8 -*- import math import pandas as pd import numpy as np import janitor shi_bm = pd . DataFrame . from_dict ({ '地区名称' : { 0 : '兰州市' ,           1 : '嘉峪关市' ,           2 : '金昌市' ,           3 : '白银市' ,           4 : '天水市' ,           5 : '武威市' ,           6 : '张掖市' ,           7 : '平凉市' ,           8 : '酒泉市' ,           9 : '庆阳市' ,           10 : '定西市' ,           11 : '陇南市' ,           12 : '临夏回族自治州' ,           13 : '甘南藏族自治州' ,           14 : '兰州新区' },           '地区编码' : { 0 : 6201 ,           1 : 6202 ,           2 : 6203 ,           3 : 6204 ,           4 : 6205 ,           5 : 6206 ,           6 : 6207 ,           7 : 6208 ,           8 : 6209 ,           9 : 6210 ,           10 : 6211 ,           11 : 6212 ,           12 : 6229 ,           13 : 6230 ,           14 : 6232 }} ). astype ({ '地区编码' : 'str' })

  import openai # openai.api_key = "abc" # openai.api_base = "http://172.30.48.1:8085/openai/v1" openai . proxy = {     "http" : "http://172.30.48.1:7890" ,     "https" : "http://172.30.48.1:7890" } openai . api_key = "sk-" #获取模型名称 model_list = [ item [ 'id' ] for item in openai . Model . list ()[ 'data' ]] # response = openai.ChatCompletion.create( #             model="gpt-3.5-turbo", #             messages=[ #                 {"role": "system", "content": "Describe a short paragraph about tamil."}, #             ] #         ) # for solution in response.choices: #     print(solution.message.content) def get_completion ( prompt , model = 'gpt-3.5-turbo' ):     messages = [{ 'role' : "user" , "content" : prompt }]     if model in model_list :         response = openai . ChatCompletion . create (            

import pandas as pd import numpy as np import janitor df = (     pd . read_excel ( r "/mnt/c/users/xuefeng/desktop/rk.xlsx" )     .clean_names()     .astype({ 'xt_rksj' : 'datetime64[ns]' })     .query( "xt_rkjgdm.notnull()" ) ) df = (     df .assign(     gp = np . select (         [             df .sum_x_rksl_ < 10000 ,             ( df .sum_x_rksl_ >= 10000 ) & ( df .sum_x_rksl_ < 20000 ),             df .sum_x_rksl_ >= 20000 ,         ],         [ '低' , '中' , '高' ]         , default = '不详'     ) ) ) (     df     .assign( grp = np . select ([ df .xt_rksj <= '2023-01-17' , df .xt_rksj > '2023-01-17' ],                            [ '前' , '后' ], default = '不详' ))     .groupby([ 'grp' , 'sccj_mc' , 'ym_mc' ], as_index = False )     .agg( s = pd . NamedAgg ( 'sum_x_rksl_' , lambda x : np . sum ( x * df .ymgg_bm)))