PandasAI：让数据“开口说话”，用LLM赋能数据分析！

在当今数据驱动的时代，数据分析已成为企业和研究者不可或缺的工具。然而，传统的数据分析方法往往需要专业的技术知识，这使得非技术背景的用户难以高效地利用数据。开源项目 PandasAI 的出现，为这一问题提供了创新的解决方案。它通过自然语言处理和大语言模型（LLM），让数据分析变得更加直观和易于操作。

一、项目概述：PandasAI，让数据“开口说话”

PandasAI 是一个基于 Python 的开源平台，由 Sinaptik AI 团队开发。它通过结合大语言模型（LLM）和检索增强生成（RAG）技术，使用户能够以自然语言的形式与数据进行交互。无论是技术专家还是非技术用户，都可以通过简单的对话方式快速获取数据洞察，极大地提高了数据分析的效率和可访问性。PandasAI 支持多种数据格式，包括 SQL 数据库、CSV 文件和 Parquet 文件，能够无缝集成到现有的数据生态系统中。

二、技术揭秘：LLM + RAG，为数据分析注入“智慧大脑”

（一）LLM：用自然语言“指挥”数据分析

PandasAI 的核心是大语言模型（LLM），它能够理解自然语言指令并生成相应的数据分析代码。LLM 的强大语言理解和生成能力使得用户可以通过简单的对话形式提出问题，而无需编写复杂的代码。例如，用户可以直接询问“哪些国家的销售额最高？”而无需编写 SQL 查询或 Python 脚本。

（二）RAG：为模型“导航”，让答案更精准

为了进一步提升模型的准确性和效率，PandasAI 采用了检索增强生成（RAG）技术。RAG 技术通过检索与问题相关的上下文信息，帮助模型更好地理解问题背景，从而生成更准确的答案。这种技术尤其适用于处理复杂的多表查询和大规模数据集。

（三）Docker 沙盒：数据安全的“金钟罩”

PandasAI 提供了 Docker 沙盒环境，确保代码执行的安全性和隔离性。用户可以在沙盒中运行代码，而无需担心数据泄露或恶意攻击的风险。这种设计不仅保护了用户数据的安全，还为用户提供了灵活的使用场景。

三、功能亮点：数据分析从未如此简单

（一）自然语言交互：像聊天一样“问”数据

PandasAI 的核心功能是通过自然语言与数据进行交互。用户可以直接使用自然语言提出问题，而无需编写复杂的代码。例如，用户可以询问“销售额最高的前 5 个国家是什么？”PandasAI 会自动解析问题并生成相应的数据分析结果。

（二）多数据格式支持：无缝对接各类数据

PandasAI 支持多种数据格式，包括 SQL 数据库、CSV 文件和 Parquet 文件。用户可以轻松地将这些数据加载到 PandasAI 中，并通过自然语言进行查询和分析。这种灵活性使得 PandasAI 能够无缝集成到现有的数据生态系统中。

（三）数据可视化：用图表“点亮”数据

除了基本的数据查询功能，PandasAI 还支持数据可视化。用户可以通过自然语言指令生成各种图表，如柱状图、折线图和饼图。例如，用户可以要求“绘制一个显示各国销售额的柱状图”，PandasAI 会自动生成相应的图表。

（四）多 DataFrame 支持：跨表查询“一键搞定”

PandasAI 支持多个 DataFrame 的联合查询。用户可以将多个数据表加载到 PandasAI 中，并通过自然语言提出跨表查询问题。例如，用户可以询问“哪些员工的工资最高？”PandasAI 会自动关联多个数据表并生成答案。

四、应用场景

（一）企业数据分析：

PandasAI 可以帮助企业快速获取数据洞察。无论是市场分析、销售数据还是客户行为研究，PandasAI 都能够通过自然语言交互提供即时的数据分析结果。企业用户可以通过简单的对话形式获取关键数据指标，从而更好地支持决策制定。

（二）数据科学教育

PandasAI 为数据科学教育提供了新的工具。学生可以通过自然语言与数据进行交互，而无需编写复杂的代码。这种直观的学习方式可以帮助学生更好地理解数据分析的概念和方法，同时激发他们对数据科学的兴趣。

（三）非技术用户的数据分析

PandasAI 特别适合非技术背景的用户。通过自然语言交互，这些用户可以轻松地获取数据洞察，而无需依赖技术团队的支持。例如，市场营销人员可以通过 PandasAI 快速获取销售数据，从而更好地制定营销策略。

五、快速上手

（一）环境准备：Python 3.8+，pip 安装

PandasAI 需要 Python 3.8 及以上版本，但低于 3.12。安装非常简单，只需运行以下命令：

pip install "pandasai>=3.0.0b2"

（二）基本使用：加载数据，创建数据集，自然语言查询

1. 加载数据：PandasAI 支持多种数据格式的加载。比如加载 CSV 文件：

import pandasai as pai
file = pai.read_csv("./filepath.csv")

2. 创建数据集：将数据保存为数据集并推送到 PandasAI 平台：

dataset = pai.create(
    path="your-organization/dataset-name",
    df=file,
    name="dataset-name",
    descriptinotallow="dataset-description"
)
dataset.push()

3. 自然语言查询：使用自然语言提出问题并获取答案：

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]
})
pai.api_key.set("your-pai-api-key")
df.chat('Which are the top 5 countries by sales?')

（三）高级功能：数据可视化、多 DataFrame 查询、Docker 沙盒

1. 数据可视化：生成数据图表：

df.chat("Plot the histogram of countries showing for each one the revenue. Use different colors for each bar")

2. 多 DataFrame 查询：联合多个数据表进行查询：

employees_data = {
    'EmployeeID': [1, 2, 3, 4, 5],
    'Name': ['John', 'Emma', 'Liam', 'Olivia', 'William'],
    'Department': ['HR', 'Sales', 'IT', 'Marketing', 'Finance']
}
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)
pai.chat("Who gets paid the most?", employees_df, salaries_df)

3. Docker 沙盒环境：确保代码执行的安全性：

from pandasai_docker import DockerSandbox
sandbox = DockerSandbox()
sandbox.start()
pai.chat("Who gets paid the most?", employees_df, salaries_df, sandbox=sandbox)
sandbox.stop()

六、结语

PandasAI 作为一款创新的数据分析工具，通过自然语言交互和大语言模型的应用，极大地降低了数据分析的门槛，使得更多用户能够轻松地获取数据洞察。无论是企业用户、数据科学家还是非技术背景的人员，PandasAI 都能够提供强大的支持。随着技术的不断发展，PandasAI 有望在数据分析领域发挥更大的作用。

GitHub 地址：​https://github.com/sinaptik-ai/pandas-ai

本文转载自​​​小兵的AI视界​​​，作者：AGI小兵