我都用ChatGPT做了什么

关于注册和使用的一些教程放到文末...

查代码

一般忘记了某些功能时，与其搜CSDN，不如直接问ChatGPT

写大作业

当然小编是不会这样做的

润色论文

继DeepL、Grammarly后又多了一种方式

我的格式是：用Nature期刊的风格润色以下段落：

ChatGPT甚至能写一篇推文

不过小编从来没这么干过

让我们看看AI写的短文怎么样：

散点密度图（scatter plot with density）是一种数据可视化技术，可以帮助我们在二维平面上展示大量的数据点，并且能够展示出数据点在空间中的密度分布情况。在本文中，我们将使用 Python 中的 Matplotlib 和 Seaborn 库来绘制散点密度图。

首先，我们需要准备一些数据来绘制散点密度图。在这里，我们将使用 Seaborn 库中自带的 iris 数据集作为例子。这个数据集包含了 150 个数据点，每个数据点包含了花的品种（setosa、versicolor、virginica）以及花瓣和萼片的长度和宽度四个特征。我们可以使用 Pandas 库来读取和处理这个数据集：

import pandas as pd
import seaborn as sns

iris = sns.load_dataset("iris")

接下来，我们可以使用 Seaborn 库的 jointplot() 函数来绘制散点密度图。这个函数可以同时展示两个变量之间的关系以及它们在空间中的密度分布。我们可以设置 kind="kde" 参数来绘制散点密度图，然后使用 x 和 y 参数来指定两个变量：

import seaborn as sns

sns.jointplot(x="sepal_length", y="sepal_width", data=iris, kind="kde")

这个代码将会生成一张散点密度图，其中横轴表示萼片的长度，纵轴表示萼片的宽度。每个数据点的颜色表示了在它周围的数据点的密度。

除了使用 Seaborn 库，我们也可以使用 Matplotlib 库来绘制散点密度图。在这里，我们可以使用 Matplotlib 库中的 hexbin() 函数来展示数据点在空间中的密度分布。这个函数会将数据点划分成小的六边形区域，并用颜色来表示每个区域中的数据点数量。我们可以使用 gridsize 参数来控制六边形的大小，使用 cmap 参数来设置颜色映射：

import matplotlib.pyplot as plt

plt.hexbin(x=iris["sepal_length"], y=iris["sepal_width"], gridsize=20, cmap="Blues")
plt.colorbar()
plt.xlabel("Sepal Length")
plt.ylabel("Sepal Width")

这个代码将会生成一张散点密度图，其中横轴表示萼片的长度，纵轴表示萼片的宽度。每个六边形的颜色表示了在它周围的数据点的密度。

除了使用 hexbin() 函数，我们也可以使用 Matplotlib 库中的 scatter() 函数来绘制散点密度图。这个函数会将数据点展示在二维平面上，并用颜色来表示每个数据

注册与使用

注册

首先需要一个外国手机号，如果你有国外手机号并且能够接受短信，直接跳过下面的步骤

否则去接码平台，申请一个国外手机号

https://sms-activate.org/

印度比较便宜，平均不到2元，且可以支付宝支付。

使用

有了梯子后，推荐用韩国，印度，新加坡之类的节点，且要开全局代理。（香港不行）

登陆成功第一次之后，以后切换节点就没事了，浏览器会记住你第一次的环境

若后续不成功，可以考虑清缓存，浏览器F12输入下面代码

window.localStorage.removeItem(Object.keys(window.localStorage).find(i=>i.startsWith('@@auth0spajs')))