PandasAI

¿Qué es PandasAI?

PandasAI es una plataforma innovadora en Python diseñada para revolucionar la forma en que interactúas con tus datos. Aprovechando el poder de los grandes modelos de lenguaje (LLMs), PandasAI hace que el análisis de datos sea conversacional y accesible para todos los usuarios, independientemente de su nivel técnico. Di adiós a la codificación compleja y da la bienvenida a una interfaz intuitiva donde puedes simplemente hacer preguntas sobre tus datos y recibir respuestas perspicaces en lenguaje natural.

¿Cuáles son las características de PandasAI?

• Análisis de Datos Conversacional: Los usuarios pueden interactuar con sus bases de datos de una manera natural e intuitiva. Al hacer preguntas simples, puedes obtener información y análisis sin necesidad de escribir consultas complicadas.
• Soporte Multiformato: PandasAI interactúa sin problemas con varios formatos de datos, incluyendo bases de datos SQL, archivos CSV, DataFrames de pandas, polars, MongoDB y otras bases de datos NoSQL. Esta flexibilidad permite que usuarios de diferentes antecedentes utilicen la herramienta.
• Integración de LLMs: La plataforma admite LLMs avanzados como GPT-3.5, GPT-4, modelos de Anthropic y VertexAI, asegurando que los usuarios reciban respuestas precisas y contextualmente relevantes a sus consultas.
• Visualización de Datos: Con PandasAI, puedes generar automáticamente gráficos y visualizaciones para entender mejor tus datos. Simplemente pide un gráfico específico y será creado con solo unos pocos comandos.
• Manejo de Múltiples DataFrames: Los usuarios pueden consultar múltiples DataFrames simultáneamente, lo que permite análisis de datos complejos que involucran la agregación o comparación de conjuntos de datos lado a lado.
• Característica de Privacidad: Para proteger la información sensible, PandasAI incluye una opción para hacer cumplir la privacidad, asegurando que solo se analicen los datos esenciales sin exponer detalles confidenciales.

¿Cuáles son las características de PandasAI?

• Interfaz Amigable: Diseñada tanto para usuarios técnicos como no técnicos, PandasAI cierra la brecha entre el análisis de datos complejo y el acceso fácil.
• Despliegue Rápido: La plataforma se puede implementar sin esfuerzo en diversos entornos, incluyendo notebooks de Jupyter, aplicaciones de Streamlit o incluso como una API REST a través de FastAPI o Flask.
• Fiabilidad: Con una arquitectura robusta basada en Docker, los usuarios pueden contar con un rendimiento sin problemas tanto en máquinas locales como en la nube.
• Soporte Comunitario: Existe una comunidad vibrante en torno a PandasAI, ofreciendo recursos como documentación, ejemplos de marcos y foros de discusión para la solución de problemas y la colaboración.

¿Cuáles son los casos de uso de PandasAI?

• Análisis Empresarial: Las empresas pueden utilizar PandasAI para analizar datos de ventas, comentarios de clientes y métricas operativas simplemente haciendo preguntas para descubrir información y mejorar la toma de decisiones.
• Investigación Académica: Los investigadores pueden analizar grandes conjuntos de datos relacionados con sus estudios y obtener resúmenes, tendencias y patrones rápidos, acelerando significativamente el proceso de investigación.
• Análisis de Datos Financieros: Los analistas financieros pueden aprovechar la herramienta para explorar flujos de ingresos, patrones de gasto y tendencias del mercado, permitiendo decisiones de inversión más informadas.
• Informe de Datos: Crea informes informativos consultando datos y visualizando los resultados automáticamente, optimizando el proceso de informes sin la molestia de la manipulación de datos.
• Preparación para Aprendizaje Automático: Los científicos de datos pueden obtener rápidamente información sobre conjuntos de datos y preparar datos para un análisis adicional en tareas de aprendizaje automático, mejorando los flujos de trabajo generales.

¿Cómo usar PandasAI?

1. Instalación: Para comenzar, clona el repositorio y navega al directorio del proyecto:

   git clone https://github.com/sinaptik-ai/pandas-ai/
   cd pandas-ai
   docker-compose build
   

2. Ejecutando la Plataforma: Inicia el servicio utilizando:

   docker-compose up
   

   Una vez en funcionamiento, accede a la interfaz del cliente en http://localhost:3000.

3. Uso Básico: Importa la biblioteca PandasAI, establece tu clave API e inicializa un agente con tus datos:

   import os
   import pandas as pd
   from pandasai import Agent
   
   # DataFrame de Ejemplo
   sales_by_country = pd.DataFrame({
       "country": ["Estados Unidos", "Reino Unido", "Francia", "Alemania", "Italia", "España", "Canadá", "Australia", "Japón", "China"],
       "revenue": [5000, 3200, 2900, 4100, 2300, 2100, 2500, 2600, 4500, 7000]
   })
   
   os.environ["PANDASAI_API_KEY"] = "TU_CLAVE_API"
   
   agent = Agent(sales_by_country)
   print(agent.chat('¿Cuáles son los 5 países con más ventas?'))
   

4. Consultas Avanzadas: Puedes hacer preguntas complejas que involucren múltiples DataFrames:

   employees_data = { 'EmployeeID': [1, 2, 3, 4, 5], 'Name': ['Juan', 'Emma', 'Liam', 'Olivia', 'William'], 
                      'Department': ['RRHH', 'Ventas', 'TI', 'Marketing', 'Finanzas'] }
   
   salaries_data = { 'EmployeeID': [1, 2, 3, 4, 5], 'Salary': [5000, 6000, 4500, 7000, 5500] }
   
   employees_df = pd.DataFrame(employees_data)
   salaries_df = pd.DataFrame(salaries_data)
   
   agent = Agent([employees_df, salaries_df])
   print(agent.chat("¿Quién gana más?"))