PandasAI 是一个 Python 平台，旨在让用户能够用自然语言向数据提问，帮助非技术用户更自然地与数据交互，同时也能为技术用户节省数据处理的时间和精力。
核心特点
- 自然语言交互：支持通过自然语言对数据进行查询和分析，无需编写复杂代码
- 多场景适用：可在 Jupyter 笔记本、Streamlit 应用中使用，也支持客户端 - 服务器架构
- 扩展性 扩展丰富：提供多种扩展，包括与 OpenAI、LiteLLM 等 LLM 的集成，与 Databricks、BigQuery、Snowflake 等数据平台的连接，以及与 Pinecone、Milvus 等向量存储的集成
- 安全沙箱：支持在 Docker 沙箱中运行，提供安全、隔离的环境执行代码，降低恶意攻击风险
安装方式
可通过 pip 或 poetry 安装：
# 使用 pip
pip install "pandasai>=3.0.0b2"
# 使用 poetry
poetry add "pandasai>=3.0.0b2"
基本使用
简单查询
import pandasai as pai
from pandasai_openai.openai import OpenAI
llm = OpenAI("OPEN_AI_API_KEY")
pai.config.set({
"llm": llm
})
# 示例 DataFrame
df = pai.DataFrame({
"country": ["United States", "United Kingdom", "France", "Germany", "Italy", "Spain", "Canada", "Australia", "Japan", "China"],
"revenue": [5000, 3200, 2900, 4100, 2300, 2100, 2500, 2600, 4500, 7000]
})
# 提问
df.chat('Which are the top 5 countries by sales?')
多 DataFrame 查询
支持传入多个 DataFrame 并进行关联查询：
# 员工数据
employees_data = {
'EmployeeID': [1, 2, 3, 4, 5],
'Name': ['John', 'Emma', 'Liam', 'Olivia', 'William'],
'Department': ['HR', 'Sales', 'IT', 'Marketing', 'Finance']
}
# 薪资数据
salaries_data = {
'EmployeeID': [1, 2, 3, 4, 5],
'Salary': [5000, 6000, 4500, 7000, 5500]
}
employees_df = pai.DataFrame(employees_data)
salaries_df = pai.DataFrame(salaries_data)
# 关联查询
pai.chat("Who gets paid the most?", employees_df, salaries_df)
图表生成
还可以要求生成图表：
df.chat(
"Plot the histogram of countries showing for each one the revenue. Use different colors for each bar",
)
许可证
PandasAI 主体采用 MIT 许可证，但 pandasai/ee 目录下的内容有单独的许可证。商业用途可联系官方获取托管版 PandasAI Cloud 或自托管企业版。
仅供个人学习参考/导航指引使用，具体请以第三方网站说明为准，本站不提供任何专业建议。如果地址失效或描述有误，请联系站长反馈～感谢您的理解与支持！
链接: https://fly63.com/nav/4222
