PandasAI 自然語(yǔ)言查詢數(shù)據(jù)指南從安裝到多表分析、沙箱與報(bào)錯(cuò)排查【免費(fèi)下載鏈接】pandas-aiChat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/pa/pandas-aiPandasAI 是一個(gè) Python 庫(kù)把用自然語(yǔ)言問(wèn)數(shù)據(jù)變成一次函數(shù)調(diào)用你向它提出業(yè)務(wù)問(wèn)題它借助 LLM 生成 Python 或 SQL 代碼并本地執(zhí)行直接返回分析結(jié)果。本文基于倉(cāng)庫(kù)當(dāng)前版本3.0.0的文檔與示例覆蓋環(huán)境準(zhǔn)備、首次提問(wèn)、多數(shù)據(jù)表查詢、Docker 沙箱以及常見(jiàn)報(bào)錯(cuò)的排查路徑。先了解它能處理什么適合使用它的場(chǎng)景對(duì) CSV、Excel、Parquet 等本地文件提問(wèn)例如各區(qū)域平均營(yíng)收是多少對(duì)已連接的數(shù)據(jù)庫(kù)PostgreSQL、MySQL、SQL 數(shù)據(jù)源提問(wèn)文檔中另列有 BigQuery、Databricks、Snowflake 等擴(kuò)展連接器跨多個(gè)表關(guān)聯(lián)提問(wèn)例如把員工表和薪資表一起傳入問(wèn)誰(shuí)的收入最高要求生成圖表如柱狀圖、直方圖、散點(diǎn)圖。返回格式由系統(tǒng)自動(dòng)判斷不需要手動(dòng)指定共五類字符串、數(shù)值、DataFrame 表格、圖表、錯(cuò)誤信息詳見(jiàn) docs/v3/chat-and-output.mdx。工作機(jī)制問(wèn)題如何變成結(jié)果.chat()被調(diào)用后PandasAI 把三樣?xùn)|西交給 LLM你的問(wèn)題、表頭字段名、以及數(shù)據(jù)的前 5–10 行樣例。LLM 據(jù)此生成 Python 或 SQL代碼在你的機(jī)器上執(zhí)行結(jié)果按上文五類格式之一返回。數(shù)據(jù)源為 SQL/數(shù)據(jù)湖時(shí)執(zhí)行走 DuckDB項(xiàng)目依賴duckdb與sqlglot。這一流程在 docs/v3/overview-nl.mdx 中有更完整的說(shuō)明。安裝與環(huán)境準(zhǔn)備確認(rèn) Python 版本在 3.8 到 3.11 之間pyproject.toml約束為3.8,3.12文檔推薦 3.8–3.11用 pip 或 poetry 安裝核心包與 LLM 擴(kuò)展包兩條命令可任選一種包管理器執(zhí)行pip install pandasai pip install pandasai-litellm準(zhǔn)備一個(gè) LLM 的 API Key。官方示例使用 OpenAI 模型通過(guò)pandasai-litellm擴(kuò)展接入也支持 Azure OpenAI 等其他擴(kuò)展見(jiàn) extensions/llms/?？寺}(cāng)庫(kù)參考git clone https://gitcode.com/GitHub_Trending/pa/pandas-ai。第一次向數(shù)據(jù)提問(wèn)以倉(cāng)庫(kù)自帶數(shù)據(jù)為例完整最小流程如下import pandasai as pai from pandasai_litellm.litellm import LiteLLM llm LiteLLM(modelgpt-4.1-mini, api_keyYOUR_API_KEY) pai.config.set({llm: llm}) df pai.read_csv(examples/data/loans_payments.csv) response df.chat(平均還款金額是多少) print(response)幾個(gè)常用變體要圖表把問(wèn)題改成繪制各國(guó) GDP 的柱狀圖返回圖表響應(yīng)后可用response.save(out.png)存盤要查看 LLM 實(shí)際生成的代碼讀取response.last_code_executed多表關(guān)聯(lián)pai.chat(誰(shuí)的收入最高, employees_df, salaries_df)常用配置項(xiàng)見(jiàn) docs/v3/overview-nl.mdxsave_logs默認(rèn)保存日志到項(xiàng)目根目錄的pandasai.log、verbose控制臺(tái)打印過(guò)程日志、max_retries出錯(cuò)自動(dòng)重試次數(shù)默認(rèn) 3。更多可運(yùn)行示例在 examples/ 目錄包括語(yǔ)義層 CSV 演示與沙箱 notebook。生產(chǎn)環(huán)境Docker 沙箱與 Agentpai.chat()會(huì)在你本機(jī)進(jìn)程里執(zhí)行 LLM 生成的代碼。如果應(yīng)用要面向外部用戶、處理不可信輸入或部署到生產(chǎn)環(huán)境官方文檔明確建議啟用沙箱pip install pandasai-dockerfrom pandasai_docker import DockerSandbox sandbox DockerSandbox() sandbox.start() result pai.chat(按性別統(tǒng)計(jì)心臟病患總數(shù), df, sandboxsandbox) sandbox.stop()沙箱在隔離的 Docker 容器內(nèi)執(zhí)行代碼離線運(yùn)行并限制資源與文件訪問(wèn)。使用前確認(rèn)本機(jī) Docker 正在運(yùn)行用法細(xì)節(jié)見(jiàn) docs/v3/privacy-security.mdx 和 examples/docker_sandbox.ipynb。如果需要多輪追問(wèn)上一年呢其中哪個(gè)國(guó)家最多用Agent而不是pai.chat()Agent 會(huì)保留會(huì)話狀態(tài)agent.chat()開(kāi)啟話題agent.follow_up()延續(xù)上下文也支持傳入sandbox參數(shù)。說(shuō)明見(jiàn) docs/v3/agent.mdx。常見(jiàn)報(bào)錯(cuò)對(duì)照與排查報(bào)錯(cuò)現(xiàn)象常見(jiàn)原因處理方式安裝失敗提示 Python 版本不符使用了 3.12 或 3.7 及以下解釋器切換到 3.8–3.11重建虛擬環(huán)境初始化即拋ModuleNotFoundError: litellm只裝了pandasai未裝 LLM 擴(kuò)展補(bǔ)裝pip install pandasai-litellm調(diào)用chat報(bào)缺少 API Key / 模型不存在LiteLLM(api_key...)未填或模型名拼寫錯(cuò)誤核對(duì) Key 與模型名換用已部署的模型沙箱啟動(dòng)失敗未安裝 Docker 或未運(yùn)行啟動(dòng) Docker 服務(wù)后重試確認(rèn)已安裝pandasai-dockerSQL 數(shù)據(jù)源查詢報(bào)錯(cuò)連接串錯(cuò)誤或表在 DuckDB 中未注冊(cè)檢查連接配置核對(duì) tests/integration_tests/sql/ 中的連接寫法結(jié)果與預(yù)期不符LLM 生成的代碼有偏差設(shè)置save_logs: True后查看pandasai.log并用last_code_executed檢查生成代碼進(jìn)階語(yǔ)義層與字段描述3.0 版本引入了實(shí)驗(yàn)性的語(yǔ)義層為每個(gè)數(shù)據(jù)集定義 schema可配置數(shù)據(jù)加載方式、為字段補(bǔ)充語(yǔ)義描述、聲明清洗與轉(zhuǎn)換規(guī)則還能用 view 把多張表組合成一個(gè)可提問(wèn)的邏輯視圖。適合字段含義隱晦、需要統(tǒng)一口徑的團(tuán)隊(duì)場(chǎng)景官方標(biāo)注為實(shí)驗(yàn)特性建議進(jìn)階用戶再啟用。文檔入口docs/v3/semantic-layer/、docs/v3/overview-nl.mdx。完整文檔目錄可在 docs/ 下按 v3 章節(jié)查閱項(xiàng)目采用 MIT 許可證pandasai/ee目錄除外見(jiàn) LICENSE更多可執(zhí)行 notebook 見(jiàn) examples/?！久赓M(fèi)下載鏈接】pandas-aiChat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.項(xiàng)目地址: https://gitcode.com/GitHub_Trending/pa/pandas-ai創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考