PandasAI 完整上手：三行代码让数据开口回答问题

PandasAI 完整上手三行代码让数据开口回答问题【免费下载链接】pandas-aiChat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.项目地址: https://gitcode.com/GitHub_Trending/pa/pandas-ai下午四点群里弹来一句“各区域这个季度卖了多少”你打开 Excel对着几十列字段找来找去二十分钟后还卡在一个 SUMIF 公式上。如果你也常被这种场景卡住PandasAI 值得试一试——它是一个 Python 库让你用自然语言直接提问 CSV、SQL、Parquet 里的数据拿回答案和图表适合不会写 SQL 的新手也适合想省下写报表时间的开发者。PandasAI 能替你干什么 直接用大白话提问不用背 SQL把“年龄和胆固醇有什么相关性”这样的一句话丢给它它自己写代码去算。一句话出图表追问一句“画个直方图每根柱子用不同颜色”图表直接生成不用切工具。跨表关联作答一次传两个 DataFrame问“谁工资最高”它会自己按 EmployeeID 把表接上再回答。接入 SQL 与数据湖不限于 CSV数据库查询、Parquet 文件同样可以聊。可选 Docker 沙箱把代码执行关进隔离容器敏感数据也敢让它跑。动手之前三样准备 Python 3.8–3.11。⚠️ 为什么PandasAI 3.0 官方声明支持这个区间3.8,3.12版本过新装依赖会直接失败。一个 LLM 的 API KeyOpenAI 或任意兼容厂商。⚠️ 为什么PandasAI 自己不懂自然语言LLM 是把它的问题翻译成代码的“大脑”。一份练习用 CSV。⚠️ 为什么首次跑通用自己的数据也行但用仓库自带的 examples/data/heart.csv 最省心。从装好到出答案三步走 第一步装依赖pip install pandasai pip install pandasai-litellmpandasai-litellm 是调用各家模型的扩展包。如果你手头没有现成数据可以把仓库克隆下来里面带示例数据和完整 notebookgit clone https://gitcode.com/GitHub_Trending/pa/pandas-ai第二步配置模型、加载数据import pandasai as pai from pandasai_litellm.litellm import LiteLLM llm LiteLLM(modelgpt-4.1-mini, api_key你的API_KEY) pai.config.set({llm: llm}) df pai.read_csv(examples/data/heart.csv)第三步问出第一个问题response df.chat(What is the correlation between age and cholesterol?) print(response)怎么确认成功了控制台打印出一句自然语言结论比如对年龄与胆固醇相关性的解释。想让答案变成纯数字把问题换成“男患者平均年龄是多少”它会直接回一个数。卡住了别慌 症状报 401 或认证错误可能原因API Key 写错或过期或者 model 名拼错。先核对LiteLLM(model..., api_key...)这两个参数。症状pip 安装失败或 import pandasai 报错可能原因Python 版本不在 3.8–3.11 区间。先新建一个干净的虚拟环境再装一遍大概率就好。症状答案和你核对的数据对不上可能原因LLM 偶尔理解偏题。换种问法重问或让它“展示中间数据”它会输出 DataFrame 供你核对。症状让它画图却没图可能原因matplotlib 等绘图依赖没装全。重新pip install --force-reinstall pandasai补齐依赖。谁适合用它 刚上手的新手从 examples/data/heart.csv 玩起先练熟read_csvchat这个两步套路十分钟内就能跑通大部分场景。 想深挖的用户接自己的 SQL 数据库或 Parquet 数据湖配 Docker 沙箱跑敏感数据照着 examples/quickstart.ipynb 的 notebook 逐项试。现在就去把上面那三行代码跑起来让第一份数据开口说话。提醒一句你加载的数据会传给 LLM 参与处理涉及敏感信息时优先用 Docker 沙箱或私有部署的模型。【免费下载链接】pandas-aiChat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.项目地址: https://gitcode.com/GitHub_Trending/pa/pandas-ai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考