Prompt结构、需包含的关键信息
1、prompt脚本
脚本模板:
2、真实场景和数据
3、输出截图
4、适用性结论
1、prompt脚本
2、真实场景和数据
3、输出截图
4、适用性结论
1、prompt脚本
请计算每个变量之间的相关性,并以表格形式输出;
直接执行结果,不要过程;
以下是具体的明细数据:
日期 订单数 Leads数 商分例产(元) 商分班转PV 商分班转GMV(元) 加微率 到课章节数
2023/3/1 68012 17013 86.5669588 1101 1472763.67 0.569035443 8759
2023/3/2 65808 17903 69.24266827 916 1239651.49 0.578338826 8774
2023/3/3 47214 17375 79.11275741 999 1374584.16 0.569266187 7575
2023/3/4 76057 25213 67.70309364 1250 1706998.1 0.557450522 9335
2023/3/5 83640 26343 63.06616938 1236 1661352.1 0.564817978 11163
2023/3/6 60660 13991 85.63047674 871 1198056 0.61110714 8360
2023/3/7 61122 14970 87.7749833 904 1313991.5 0.601736807 8458
2023/3/8 63243 17886 64.47397406 829 1153181.5 0.534608073 8501
2023/3/9 67973 16163 75.12878179 901 1214306.5 0.578234239 8420
2023/3/10 53685 18269 75.94559199 1004 1387450.02 0.550057474 8027
2023/3/11 87460 27695 65.79853764 1393 1822290.5 0.54071132 11631
2023/3/12 94646 28295 65.14135466 1366 1843174.63 0.543806326 12530
2023/3/13 67559 17568 83.11709756 1057 1460201.17 0.596311475 11166
2023/3/14 62369 15288 78.85356489 923 1205513.3 0.598508634 9095
2023/3/15 61495 14772 85.6081404 967 1264603.45 0.581844029 8231
2023/3/16 65559 16593 76.29699271 1008 1265996 0.565901284 8967
2023/3/17 45915 15697 78.3998745 947 1230642.83 0.560552972 7398
2023/3/18 76070 24816 67.23093972 1286 1668403 0.518415538 9740
2023/3/19 84536 24451 68.35997423 1245 1671469.73 0.518138317 10921
2023/3/20 64707 18523 65.9924116 936 1222377.44 0.591264914 14073
2023/3/21 61256 14535 98.26810458 1070 1428326.9 0.655383557 10386
2023/3/22 62543 16288 85.8921169 1010 1399010.8 0.614624263 11013
2023/3/23 65954 19609 64.63435157 952 1267415 0.596919782 13579
2023/3/24 50010 17741 78.92368638 1043 1400185.12 0.584408996 10587
2023/3/25 72948 22380 82.41319035 1394 1844407.2 0.598927614 12237
2023/3/26 80179 20491 74.74477576 1177 1531595.2 0.615538529 10649
2023/3/27 57568 12119 102.4557018 943 1241660.65 0.672745276 8160
2023/3/28 57857 13273 82.93021171 849 1100732.7 0.645747005 8782
2023/3/29 59034 13991 86.32892574 923 1207828 0.612751054 8885
2023/3/30 71963 25726 48.83025733 925 1256207.2 0.553175775 15177
2023/3/31 46188 14493 69.47301456 752 1006872.4 0.599737804 5624
2023/4/1 70408 21734 61.37465262 968 1333916.7 0.561056409 6534
2023/4/2 86008 23049 45.75617163 801 1054634 0.556770359 6536
2023/4/3 65581 16595 55.71696294 689 924623 0.591684242 4929
2023/4/4 46050 14279 52.10708033 552 744037 0.620141466 3861
2023/4/5 91096 21956 45.3689652 756 996121 0.590089269 5312
2023/4/6 75097 29377 16.67971542 370 490000 0.547026585 1882
2023/4/7 43092 13566 26.75446926 270 362951.13 0.567448032 746
2023/4/8 65872 20239 22.36582835 330 452662 0.535154899 533
2023/4/9 79118 24237 11.43837934 201 277232 0.475553905 148
2023/4/10 59717 13736 4.332265579 41 59508 0.49585032 34
请对未来7天进行预测,调用python的prophet包直接执行结果;
直接执行结果,不要过程;
以下是具体的明细数据:
日期 订单数 Leads数 商分例产(元) 商分班转PV 商分班转GMV(元) 加微率 到课章节数
2023/3/1 68012 17013 86.5669588 1101 1472763.67 0.569035443 8759
2023/3/2 65808 17903 69.24266827 916 1239651.49 0.578338826 8774
2023/3/3 47214 17375 79.11275741 999 1374584.16 0.569266187 7575
2023/3/4 76057 25213 67.70309364 1250 1706998.1 0.557450522 9335
2023/3/5 83640 26343 63.06616938 1236 1661352.1 0.564817978 11163
2023/3/6 60660 13991 85.63047674 871 1198056 0.61110714 8360
2023/3/7 61122 14970 87.7749833 904 1313991.5 0.601736807 8458
2023/3/8 63243 17886 64.47397406 829 1153181.5 0.534608073 8501
2023/3/9 67973 16163 75.12878179 901 1214306.5 0.578234239 8420
2023/3/10 53685 18269 75.94559199 1004 1387450.02 0.550057474 8027
2023/3/11 87460 27695 65.79853764 1393 1822290.5 0.54071132 11631
2023/3/12 94646 28295 65.14135466 1366 1843174.63 0.543806326 12530
2023/3/13 67559 17568 83.11709756 1057 1460201.17 0.596311475 11166
2023/3/14 62369 15288 78.85356489 923 1205513.3 0.598508634 9095
2023/3/15 61495 14772 85.6081404 967 1264603.45 0.581844029 8231
2023/3/16 65559 16593 76.29699271 1008 1265996 0.565901284 8967
2023/3/17 45915 15697 78.3998745 947 1230642.83 0.560552972 7398
2023/3/18 76070 24816 67.23093972 1286 1668403 0.518415538 9740
2023/3/19 84536 24451 68.35997423 1245 1671469.73 0.518138317 10921
2023/3/20 64707 18523 65.9924116 936 1222377.44 0.591264914 14073
2023/3/21 61256 14535 98.26810458 1070 1428326.9 0.655383557 10386
2023/3/22 62543 16288 85.8921169 1010 1399010.8 0.614624263 11013
2023/3/23 65954 19609 64.63435157 952 1267415 0.596919782 13579
2023/3/24 50010 17741 78.92368638 1043 1400185.12 0.584408996 10587
2023/3/25 72948 22380 82.41319035 1394 1844407.2 0.598927614 12237
2023/3/26 80179 20491 74.74477576 1177 1531595.2 0.615538529 10649
2023/3/27 57568 12119 102.4557018 943 1241660.65 0.672745276 8160
2023/3/28 57857 13273 82.93021171 849 1100732.7 0.645747005 8782
2023/3/29 59034 13991 86.32892574 923 1207828 0.612751054 8885
2023/3/30 71963 25726 48.83025733 925 1256207.2 0.553175775 15177
2023/3/31 46188 14493 69.47301456 752 1006872.4 0.599737804 5624
2023/4/1 70408 21734 61.37465262 968 1333916.7 0.561056409 6534
2023/4/2 86008 23049 45.75617163 801 1054634 0.556770359 6536
2023/4/3 65581 16595 55.71696294 689 924623 0.591684242 4929
2023/4/4 46050 14279 52.10708033 552 744037 0.620141466 3861
2023/4/5 91096 21956 45.3689652 756 996121 0.590089269 5312
2023/4/6 75097 29377 16.67971542 370 490000 0.547026585 1882
2023/4/7 43092 13566 26.75446926 270 362951.13 0.567448032 746
2023/4/8 65872 20239 22.36582835 330 452662 0.535154899 533
2023/4/9 79118 24237 11.43837934 201 277232 0.475553905 148
2023/4/10 59717 13736 4.332265579 41 59508 0.49585032 34
2、真实场景和数据
相关性分析和预测统计
3、输出截图
4、适用性结论
1、prompt脚本
输入:kv为{"flowPond":"appid=homework&crowdid=0&cuid=9ACFD8A4FCD3F2E9066ED49C23347E9C%7C0&gradeid=2&guideFrom=vip&guideUniqid=4227264d-c103-11ed-bc1d-9e6c409f06f5&handleScheme=1&lastfrom=in_zybAPP_vipdashou_L1650621172&line=3&priority=8&skuid=14180004&strategtype=1&strategyName=%E3%80%90%E6%96%B0%E6%89%8B%E3%80%91%E5%88%9D%E4%B8%80&strategyid=1488&uid=4028408793&usergroup=13&vipName=VIP%E6%98%A57%E6%9C%9F&vipid=176&cubeSessionId=4c19d229-716b-4a4b-9d3b-9da792968d74&fcid=6970274464728941816&actId=6970274464728941816&mofangActType=1&lastpageid=9105377&marketType=CUBE"};角色:作为数据分析师角色,你需要做数据探查;表结构:现在有3张表,1、订单表dws_order_d,时间分区为dt,下单时间为trade_time,广告位id为psid,订单状态为status,订单id为sub_trade_id,lastfrom为lastfrom,kv为复杂结构(map格式,包括flowPond,flowPond为json格式,包括pvid);2、广告位表dim_psid,时间分区为dt,广告位id为psid,广告位名称为adposname;3、lastfrom表dim_lastfrom,时间dt为每日增量数据,lastfrom为lastfrom,lastfrom名称为name,项目为product;目标:我需要根据3张表的关联,查询订单时间(订单时间为时间戳,需要转换为日期格式)、广告位名称、项目名称、pvid、订单量;关联规则:订单表外连接广告位表,外连接lastfrom表;过滤条件:需要过滤订单状态为1的数据,订单表的时间分区为昨天,广告位表的时间分区为昨天;输出:1、使用presto语句生成;2、使用hive语句生成;
2、真实场景和数据
针对kv嵌套json格式的解析
3、输出截图
4、适用性结论
复杂字段格式无法解析,并且对给定输入样本无法识别
场景二 标签生产1 规则标签类1、prompt脚本
2、真实场景和数据
3、输出截图
4、适用性结论
1、prompt脚本
2、真实场景和数据
3、输出截图
对数据的基础解读与描述:
输出的分层结果:
4、适用性结论
示例二:
问题1:
问题2:
问题1结果:
问题2结果:
Copyright © 2024 妖气游戏网 www.17u1u.com All Rights Reserved