PandasAI

什麼是PandasAI？

PandasAI 是一個創新的 Python 平台，旨在徹底改變您與數據的互動方式。通過利用大型語言模型（LLMs）的強大功能，PandasAI 使數據分析變得對話式且易於所有用戶使用，無論其技術背景如何。告別複雜的編碼，迎接一種直觀的界面，您可以簡單地詢問有關數據的問題，並以自然語言獲得深入見解。

PandasAI的特色是什麼？

• 對話式數據分析：用戶可以以自然直觀的方式與數據庫互動。通過簡單地提問，您可以獲取見解和分析，而無需編寫複雜的查詢。
• 多格式支持：PandasAI 無縫地與各種數據格式交互，包括 SQL 數據庫、CSV 文件、pandas DataFrame、polars、MongoDB 和其他 NoSQL 數據庫。這種靈活性使來自不同背景的用戶都能使用該工具。
• LLM 的整合：該平台支持像 GPT-3.5、GPT-4、Anthropic 模型和 VertexAI 等先進的 LLM，確保用戶在詢問時能獲得準確且上下文相關的回應。
• 數據可視化：借助 PandasAI，您可以自動生成圖表和可視化內容，以更好地理解您的數據。只需要求特定的圖表，便可輕鬆創建。
• 多 DataFrame 處理：用戶可以同時查詢多個 DataFrame，從而進行涉及聚合或比較數據集的複雜數據分析。
• 隱私功能：為了保護敏感信息，PandasAI 包含強化隱私的選項，確保僅分析必要的數據，而不暴露機密信息。

PandasAI的特性是什麼？

• 用戶友好界面：專為技術和非技術用戶設計，PandasAI 彌合了複雜數據分析和輕鬆訪問之間的差距。
• 快速部署：該平台可以輕鬆地在各種環境中部署，包括 Jupyter notebooks、Streamlit 應用，甚至作為通過 FastAPI 或 Flask 的 REST API。
• 可靠性：基於 Docker 的穩定架構，無論是在本地機器還是在雲端，用戶都可以依賴其無縫的性能。
• 社群支持：圍繞 PandasAI 存在著活躍的社群，提供文檔、範例框架和討論論壇等資源，方便用戶的故障排除和協作。

PandasAI的使用案例有哪些？

• 商業分析：公司可以使用 PandasAI 來分析銷售數據、客戶反饋和運營指標，通過詢問發掘見解，改善決策制定。
• 學術研究：研究人員可以解析與其研究相關的大型數據集，並快速獲取摘要、趨勢和模式，顯著加快研究過程。
• 金融數據分析：金融分析師可以利用該工具探索收入來源、支出模式和市場趨勢，從而做出更明智的投資決策。
• 數據報告：通過查詢數據並自動可視化結果，創建信息豐富的報告，精簡報告流程，無需數據操作的麻煩。
• 機器學習準備：數據科學家可以快速獲得數據集的洞察，並為進一步的機器學習分析做好數據準備，改善整體工作流程。

如何使用PandasAI？

1. 安裝： 開始之前，請克隆倉庫並導航至項目目錄：

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

2. 運行平台： 使用以下命令啟動服務：

   docker-compose up
   

   運行後，請訪問客戶端界面，網址為 http://localhost:3000。

3. 基本用法： 導入 PandasAI 庫，設置您的 API 密鑰，並用您的數據初始化代理：

   import os
   import pandas as pd
   from pandasai import Agent
   
   # 示例 DataFrame
   sales_by_country = pd.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]
   })
   
   os.environ["PANDASAI_API_KEY"] = "YOUR_API_KEY"
   
   agent = Agent(sales_by_country)
   print(agent.chat('Which are the top 5 countries by sales?'))
   

4. 進階查詢： 您可以詢問涉及多個 DataFrame 的複雜問題：

   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 = pd.DataFrame(employees_data)
   salaries_df = pd.DataFrame(salaries_data)
   
   agent = Agent([employees_df, salaries_df])
   print(agent.chat("Who gets paid the most?"))