• 时间:
  • 分类: None
  • 标签: None
  • 阅读(1174)
  • 👍推荐(0)
  • 评论(0)

前言

PandasAI是一款数据分析领域的ChatGPT应用，本文对原项目进行翻译旨在进行知识科普和梳理。这个项目的github地址为：https://github.com/gventuri/pandas-ai

PandasAI ?

Pandas AI 是一个 Python 库，它为 Pandas（一款流行的数据分析和操作工具）增加了生成式人工智能功能。它设计用于与 Pandas 共同使用，并非替代 Pandas。

PandasAI

演示

在你的浏览器中试试 PandasAI：[7]

演示地址：https://colab.research.google.com/drive/1rKz7TudOeCeKGHekw7JFNL4sagN9hon-?usp=sharing#scrollTo=MhByl8oxEJFH

大家可以在colab上进行功能尝试，只是在代码生成阶段需要填入自己的API key。除了可以选用ChatGPT外，也可以选用HuggingFace Hub 的LLM —Starcoder，只是也要输入HuggingFace的key。

安装

pip install pandasai

使用

免责声明：国内生产总值(GDP)数据收集自此处[8]，由世界发展指标(World Development Indicators)-世界银行(World Bank)(2022.05.26)收集，国民账户数据(National Account data)-世界银行/经合组织(World Bank/OECD)收集。它与2020年有关。幸福指数从世界幸福报告[9]中提取。还可以看一下另一个有用的链接[10]。

PandasAI 设计用于与 Pandas 共同使用。它使 Pandas 具有对话能力，允许你向你的数据以 Pandas DataFrame 的形式提问并获得答案。例如，你可以要求 PandasAI 查找 DataFrame 中某列的值大于 5 的所有行，它将返回只包含符合要求的那些行的 DataFrame：

import pandas as pdfrom pandasai import PandasAI
# 示例 DataFramedf = pd.DataFrame({ "country": [
#"United States", "United Kingdom", "France", "Germany", "Italy", "Spain", "Canada", "Australia", "Japan", "China"], 
#"gdp": [19294482071552, 2891615567872, 2411255037952, 3435817336832, 1745433788416, 1181205135360, 1607402389504, 1490967855104, 4380756541440, 14631844184064], 
#"happiness_index": [6.94, 7.16, 6.66, 7.07, 6.38, 6.4, 7.23, 7.22, 5.87, 5.12]})
# 实例化一个 LLMfrom pandasai.llm.openai import OpenAIllm = OpenAI()
pandas_ai = PandasAI(llm, conversational=False)pandas_ai.run(df, prompt='哪五个国家最快乐？')

上述代码将返回以下内容：

6 Canada7 Australia1 United Kingdom3 Germany0 United StatesName: country, dtype: object

当然，你也可以让 PandasAI 执行更复杂的查询。例如，你可以要求 PandasAI 找出两个最不快乐的国家的 GDP 总和：

pandas_ai.run(df, prompt='两个最不快乐的国家的 GDP 总和是多少？')

上述代码将返回以下内容：

19012600725504

你也可以要求 PandasAI 绘制图表：

pandas_ai.run( df,    "绘制显示各国 GDP 的直方图，每个柱子使用不同的颜色",)
Chart

你可以在示例[11]目录中找到更多示例。

隐私和安全

为了生成运行的 Python 代码，我们取 dataframe 的head，将其随机化（对敏感数据使用随机生成，对非敏感数据进行打散）并只发送head。

此外，如果你想进一步加强你的隐私，你可以将 PandasAI 实例化为 enforce_privacy = True，这将不会发送head（只发送列名）给 LLM。

原理

首先我们clone一份代码，找到入口：

如代码所示，主要分三步：

第一步：选择一个大模型，并实例化一个模型对象

第二步：实例化PandasAI对象

第三步：进行代码和结果生成

下面我们分别来走马观光式地看一看里面的代码：

1. 实例化大模型

有以下两种大模型可供选择，感兴趣的同学自己去详看代码：

大模型主要承担代码生成的工作。

2. PandasAI对象

我们主要关注一下它的run方法：

环境变量

由于需要借助LLM（大模型）的能力进行分析结果生成，这里需要设置LLM的API key。

为了设置 LLM（Hugging Face Hub或OpenAI）的 API 密钥，你需要设置适当的环境变量。你可以通过复制 .env.example 文件到 .env 来完成此操作：

cp .env.example .env

然后，编辑 .env 文件并设置适当的值。

另外，你也可以直接将环境变量传递给 LLM 的构造函数：

# OpenAIllm = OpenAI(api_token="你的OpenAI_API_KEY")
# Starcoderllm = Starcoder(api_token="你的HF_API_KEY")

许可证

PandasAI 采用 MIT 许可证。有关更多详细信息，请查看 LICENSE 文件。

贡献

欢迎贡献！请查看以下待办事项，并随时提交拉取请求。更多信息，请参见贡献指南[12]。

在安装虚拟环境后，请记得安装 pre-commit 以符合我们的标准：

pre-commit install

待办事项

• 添加对更多 LLM 的支持• 让 PandasAI 可以从命令行界面使用• 为 PandasAI 创建一个网页界面• 添加单元测试• 添加贡献指南• 添加 CI• 添加对对话响应的支持

References

[1] : https://pypi.org/project/pandasai/
[2] : https://github.com/gventuri/pandas-ai/actions/workflows/ci.yml/badge.svg
[3] : https://discord.gg/kF7FqH2FwS
[4] : https://pepy.tech/project/pandasai
[5] : https://opensource.org/licenses/MIT
[6] : https://colab.research.google.com/drive/1rKz7TudOeCeKGHekw7JFNL4sagN9hon-?usp=sharing
[7] : https://colab.research.google.com/drive/1rKz7TudOeCeKGHekw7JFNL4sagN9hon-?usp=sharing
[8] 此源: https://ourworldindata.org/grapher/gross-domestic-product?tab=table
[9] 世界幸福报告: https://ftnnews.com/images/stories/documents/2020/WHR20.pdf
[10] 链接: https://data.world/makeovermonday/2020w19-world-happiness-report-2020
[11] 示例: examples
[12] 贡献指南: CONTRIBUTING.md

来源：https://mp.weixin.qq.com/s/OoA-e3sqwwJG6ZfrpztPxQ