2023.10.05 2023.12.27

ChatGPTのAdvanced Data Analysisでデータ分析を自動化しよう！

松原太一

今回は、ChatGPTに搭載されているデータ分析機能Advanced Data Analysis（旧Code Interpreter）でできることや、具体的な使い方を紹介します。特に、データ分析をしている方や、興味があってこれからデータ分析に触れてみたいという方には、必見の内容です。

ChatGPTでAdvanced Data Analysisを使う準備

ChatGPTでAdvanced Data Analysisを使うには、月額課金プランであるChatGPT Plusを契約する必要があります（USD $20/月）。ChatGPT Plusを有効にし、モデルは「GPT4」を選択しましょう。設定のベータ機能で「高度なデータ分析」をオンにしてください。これで準備完了です。

Advanced Data Analysisで何ができる？

Advanced Data Analysisで何ができるかは、本人（ChatGPT）に聞いてみましょう。以下が私とChatGPTとの問答の記録です。

Q（筆者）：Code Interpreterを使うことで、何ができますか？
A（ChatGPT）：Code Interpreterを使用すると、以下のような多くのタスクが可能です：

コードの実行: あらゆるプログラミング言語（言語によっては限定される場合もありますが）で書かれたコードを実行できます。
デバッグ: コードにバグがある場合、その場所と原因を特定するのに役立ちます。
コードの解析: コードが何をしているのか、どのように動作するのかを理解するために使用できます。
パフォーマンスの計測: コードの実行時間やリソース使用量を測定できます。
テストの実行: 単体テストや統合テストを実行して、コードの品質を確認できます。
プロファイリング: コードのどの部分が最も時間を要しているかなど、パフォーマンスに関する詳細なデータを収集できます。
リアルタイムのフィードバック: コードを書きながらすぐにその挙動を確認できます。これにより、開発プロセスが効率化されます。
ライブラリやフレームワークの探索: 未知のライブラリやフレームワークの関数やクラスを試すことができます。
教育と学習: 新しいプログラミング言語やコンセプトを学ぶ際に、手軽に実験できます。
データの可視化: データをプロットするコードを実行し、結果を即座に確認できます。

これらは一例であり、Code Interpreterの用途は非常に多岐にわたります。

なるほど、これは凄いですね！開発者や研究者がこれまで、スクラッチで行っていたようなプログラミング作業の多くを実行できるそうです。何ができるか分かったので、実際にAdvanced Data Analysisを使って、データ分析をする際に使えるデータの種類を確認してみましょう。これもChatGPTに聞いてみます。

Q（筆者）：Code Interpreterを用いて処理できるテキストベースのファイルとコードファイルを教えてください。
A（ChatGPT）：Code Interpreterを用いたデータ分析の基本的なワークフローは以下のようになります。

テキストベースのファイル:

.txt: プレーンテキストファイル
.csv: カンマ区切りの値（CSV）ファイル
.json: JSONデータフォーマットのファイル
.xml: XMLファイル
.yml or .yaml: YAMLファイル
.md: マークダウンファイル
.ini: イニシャライゼーションファイル
.log: ログファイル
.conf: 設定ファイル

コードファイル:

.py: Pythonスクリプト
.js: JavaScriptファイル
.java: Javaソースコード
.c: C言語ソースコード
.cpp: C++ソースコード
.rb: Rubyスクリプト
.go: Go言語ソースコード
.php: PHPスクリプト
.html: HTMLファイル
.css: CSSスタイルシート
.sql: SQLクエリやスクリプト
.r: Rスクリプト
.m: MATLABスクリプト
.sh: シェルスクリプト

こちらも凄いですね。本当かどうか確認したところ、実際にどの形式も使用可能のようです。企業の業務でよく使用されるcsvやhtml、python等にも対応できるのが素晴らしいですね。早速、Advanced Data Analysis機能を使って、データの可視化とコードの解析をしてみます。

実際にデータ分析してみる1.データの可視化

データの準備

厚生労働省が公開しているオープンデータである、新型コロナウイルス感染症の日別推移のデータを使ってみましょう。下記URLをクリックし、図の黄色のところをクリックするとnewly_confirmed_cases_dailyという名前のcsvファイルをダウンロードできます。このファイルには、各都道府県の新規陽性者数の推移が記録されています。

厚生労働省がオープンデータとして公開している、新型コロナウイルス感染症の新規陽性者数の推移（日別） — 新型コロナウイルス感染症の新規陽性者数の推移（日別）- オープンデータ｜厚生労働省
https://www.mhlw.go.jp/stf/covid-19/open-data.html

とりあえず、csvファイルをAdvanced Data Analysis上にアップロードし、何をしてほしいかをプロンプトで指示します。今回は、特に目的を設定せず、いくつかの大都市の推移のグラフを見たいという設定で、適当にプロンプトを作成しました。

プロンプトを与えると、下記のように与えたファイルの中身を見て自律的に解析作業を始めます。

激やばですね。ざっくりとした命令に対して、どの都道府県を扱うか決め、グラフ絵画機能(matplotlib)を用いて爆速で描画し、基本的な統計情報と考察までしてくれました。

現状の図でグラフのタイトル部分がおかしくなっている理由は、グラフのタイトルに日本語フォントが適用できず、文字が表示されないからです。そこで、英語で表記するように指示したところ、最終的に以下の完成形の図を提示してくれました。

実際には個人の用途に応じて、より詳細にプロンプトを設計して目的に沿った解析結果を得られます。研究の用途においては、実験によって取得したデータの可視化・統計情報の解釈などに利用できます。

実際にデータ分析してみる2.コードの解析

筆者は研究開発をしているため、下記のようなケースによくぶち当たります。エンジニアや他の業務においても、同様な事象は見られるかと思います。

はじめて見るコードが何をしているのか分からない
分からな過ぎて、何が分からないのか分からない
アルゴリズムの目的・処理内容について、まずはざっくり理解したい

こんな時に役立つのがAdvanced Data Analysisです。

状況設定：深層学習のモデルの中身を知りたい

深層学習モデルに関する新しい論文とそのGitHub実装が公開されたとして、そのアルゴリズムをざっくりと理解したいとします。論文はAlexNetの論文とし、その実装は下記のGitHubのものを解析したいとします。

▼Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. “Imagenet classification with deep convolutional neural networks.” *Advances in neural information processing systems* 25 (2012).
https://proceedings.neurips.cc/paper/2012/hash/c399862d3b9d6b76c8436e924a68c45b-Abstract.html

▼GitHub – dansuh17/alexnet-pytorch: Pytorch Implementation of AlexNet
https://github.com/dansuh17/alexnet-pytorch