一句话向数据提问PandasAI 自然语言数据分析从零到出结果的完整上手【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早上例会领导随口问一句50岁以上患者占比多少你得翻表、写聚合逻辑、等跑完才能回答。PandasAI 干的就是这件事一句话向数据提问直接返回数字和图表把自然语言数据分析变成不用写代码的事。项目速览PandasAI 到底能干什么PandasAI 是一个 Python 库构建在 Pandas 生态之上给数据挂上了嘴巴和脑子它靠大语言模型LLM听懂你的问题自动生成分析代码并在本地执行。最值钱的点在于过程透明——代码不是你写的但你可以看到它、复跑它、改它。它能做的事对 CSV、Excel、数据库表随口提问一句话生成直方图、趋势图等可视化同时传入多张表做跨表对比代码在 Docker 隔离沙箱里执行生产环境更安心装好之后配上模型就能开始跟数据聊天快速上手5 分钟内看到第一个结果⏱️ 先装主包pip install pandasai再装上模型扩展本文以最常见的 pandasai-litellm 为例第一次交互就这么几行import pandasai as pai from pandasai_litellm import LiteLLM pai.config.set({llm: LiteLLM(modelgpt-4o-mini, api_key你的密钥)}) df pai.read_csv(examples/data/heart.csv) print(df.chat(年龄大于50岁的患者占比是多少))示例用的 heart.csv 就在仓库的 examples/data/ 里换成你自己的 CSV 也一样。从装依赖到看到第一个答案通常不超过 5 分钟。结果直接打在终端里一个算好的占比数字。从提问到答案之间只有chat()这一个调用——没有循环没有聚合函数没有画图代码。场景化体验三个真实用法一句话问统计占比、均值、分组场景老板要按性别算平均心率你不想再手写一遍 groupby。输入df.chat(按性别分组计算平均心率)它会返回一张小表每种性别一行平均心率填好。问题表述有偏差时它会带着错误信息自动重试默认最多 3 次不用你反复改措辞。画图表一句话出图直接放进周报场景汇报要配张年龄分布图但你不太熟画图 API。输入df.chat(显示年龄分布并绘制直方图)它把图生成好返回给你直接展示或存成文件效果长这样趋势线、饼图、柱状图同理把想要的图说清楚就行。数据分享给团队可见性怎么配场景分析完了数据要同步给同事但你不想让它满天飞。在平台界面上每个数据集都能单独选可见性仅自己可见、组织内共享或完全公开分享分享到什么程度由你自己说了算而不是默认全开放。使用提醒先查这 4 件事密钥LLM 密钥要提前配好建议放环境变量里读别写死在代码里提交仓库前再检查一遍。版本Python 环境要求 3.8 到 3.11太新或太老都可能装不上依赖。数据会流向模型提问时你的表头和几行样例数据会发给你配置的 LLM。数据敏感时优先考虑私有化部署的模型或对敏感列先脱敏机制详见 docs/v3/overview-nl.mdx。生产环境PandasAI 执行的是模型生成的代码应用对外暴露时建议启用 Docker 沙箱让代码跑在隔离容器里参考 docs/v3/privacy-security.mdx。延伸资源docs/v3/getting-started.mdx官方安装与配置指南装环境、配模型卡住时看它examples/quickstart.ipynb可直接运行的示例笔记本想照着抄一遍完整流程时看它CONTRIBUTING.md贡献指南想提 issue 或参与改进时看它写在最后回到开头那个场景现在那句50 岁以上占比可以直接丢给 PandasAI几秒后把答案甩回给领导中间不用打开聚合函数。手里有一份 CSV 一直舍不得下手、或者有个总被同事催着要数的数据库今天就值得花 5 分钟问它一句。【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
一句话向数据提问PandasAI 自然语言数据分析从零到出结果的完整上手【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早上例会领导随口问一句50岁以上患者占比多少你得翻表、写聚合逻辑、等跑完才能回答。PandasAI 干的就是这件事一句话向数据提问直接返回数字和图表把自然语言数据分析变成不用写代码的事。项目速览PandasAI 到底能干什么PandasAI 是一个 Python 库构建在 Pandas 生态之上给数据挂上了嘴巴和脑子它靠大语言模型LLM听懂你的问题自动生成分析代码并在本地执行。最值钱的点在于过程透明——代码不是你写的但你可以看到它、复跑它、改它。它能做的事对 CSV、Excel、数据库表随口提问一句话生成直方图、趋势图等可视化同时传入多张表做跨表对比代码在 Docker 隔离沙箱里执行生产环境更安心装好之后配上模型就能开始跟数据聊天快速上手5 分钟内看到第一个结果⏱️ 先装主包pip install pandasai再装上模型扩展本文以最常见的 pandasai-litellm 为例第一次交互就这么几行import pandasai as pai from pandasai_litellm import LiteLLM pai.config.set({llm: LiteLLM(modelgpt-4o-mini, api_key你的密钥)}) df pai.read_csv(examples/data/heart.csv) print(df.chat(年龄大于50岁的患者占比是多少))示例用的 heart.csv 就在仓库的 examples/data/ 里换成你自己的 CSV 也一样。从装依赖到看到第一个答案通常不超过 5 分钟。结果直接打在终端里一个算好的占比数字。从提问到答案之间只有chat()这一个调用——没有循环没有聚合函数没有画图代码。场景化体验三个真实用法一句话问统计占比、均值、分组场景老板要按性别算平均心率你不想再手写一遍 groupby。输入df.chat(按性别分组计算平均心率)它会返回一张小表每种性别一行平均心率填好。问题表述有偏差时它会带着错误信息自动重试默认最多 3 次不用你反复改措辞。画图表一句话出图直接放进周报场景汇报要配张年龄分布图但你不太熟画图 API。输入df.chat(显示年龄分布并绘制直方图)它把图生成好返回给你直接展示或存成文件效果长这样趋势线、饼图、柱状图同理把想要的图说清楚就行。数据分享给团队可见性怎么配场景分析完了数据要同步给同事但你不想让它满天飞。在平台界面上每个数据集都能单独选可见性仅自己可见、组织内共享或完全公开分享分享到什么程度由你自己说了算而不是默认全开放。使用提醒先查这 4 件事密钥LLM 密钥要提前配好建议放环境变量里读别写死在代码里提交仓库前再检查一遍。版本Python 环境要求 3.8 到 3.11太新或太老都可能装不上依赖。数据会流向模型提问时你的表头和几行样例数据会发给你配置的 LLM。数据敏感时优先考虑私有化部署的模型或对敏感列先脱敏机制详见 docs/v3/overview-nl.mdx。生产环境PandasAI 执行的是模型生成的代码应用对外暴露时建议启用 Docker 沙箱让代码跑在隔离容器里参考 docs/v3/privacy-security.mdx。延伸资源docs/v3/getting-started.mdx官方安装与配置指南装环境、配模型卡住时看它examples/quickstart.ipynb可直接运行的示例笔记本想照着抄一遍完整流程时看它CONTRIBUTING.md贡献指南想提 issue 或参与改进时看它写在最后回到开头那个场景现在那句50 岁以上占比可以直接丢给 PandasAI几秒后把答案甩回给领导中间不用打开聚合函数。手里有一份 CSV 一直舍不得下手、或者有个总被同事催着要数的数据库今天就值得花 5 分钟问它一句。【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
