Pandas + ChatGPT：交互式数据分析! _星球

是一个为编程提供数据操作和分析功能的开源工具包。这个库已经成为数据科学家和分析师的必备工具。它提供了一种有效的方法来管理结构化数据(和) 。
在人工智能领域，经常用于机器学习和深度学习过程的预处理步骤。通过提供数据清理、重塑、合并和聚合，可以将原始数据集转换为结构化的、随时可用的2维表格，并将其输入人工智能算法。
项目地址：
使用 pip 安装AI
pip install pandasai
使用导入
在下一步中，我们将导入之前安装的库，然后导入 LLM（大型语言模型）功能。截至 2023 年 5 月，仅支持模型，我们将使用它来理解数据。
import pandas as pdfrom pandasai import PandasAI# Sample 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]})# Instantiate a LLMfrom pandasai.llm.openai import OpenAIllm = OpenAI(api_token="your_API_key")pandas_ai = PandasAI(llm)pandas_ai.run(df, prompt='Which are the 5 happiest countries?')
6Canada7Australia1United Kingdom3Germany0United StatesName: country, dtype: object
要使用API，您必须生成自己唯一的 API 密钥。
因为的特性，我们不仅仅可以处理csv文件，我们还可以连接关系型的数据库，例如pgsql：
# creating the uri and connecting to databasepg_conn = "postgresql://YOUR URI HERE"#Query sql database query = """SELECT *FROM table_name"""#Create dataframe named dfdf = pd.read_sql(query,pg_conn)
然后像上面代码一样，我们可以直接与它进行对话了：
# Using pandas-ai!pandas_ai = PandasAI(llm)pandas_ai.run(df, prompt='Place your prompt here)
当然，你也可以让进行更复杂的查询。例如，可以要求求出 2 个最不幸福国家的 GDP 总和：
pandas_ai.run(df, prompt='What is the sum of the GDPs of the 2 unhappiest countries?')
上面的代码将返回以下内容：
19012600725504
也可以请画图：
pandas_ai.run(df,"Plot the histogram of countries showing for each the gpd, using different colors for each bar",)

文章插图
最后
、是强大的工具，当它们结合在一起时，可以彻底改变我们与数据交互和分析的方式。凭借其先进的自然语言处理能力，可以更直观地与数据进行类似人类的交互。而可以增强数据分析体验。通过将复杂的数据操作任务转换为简单的自然语言查询，使用户更容易从数据中提取有价值的见解，而无需编写大量代码。
这对于那些还不熟悉或操作/转换的人来说是一种编程的新方法。我们不需要为你想要执行的任务编程，而是只是与AI代理交谈，明确的额告诉它想要的结果，代理会将此消息转换为计算机可解释的代码，并返回结果
我相信有很多人没有的账号，或许连注册都不太会。跟着我们一起学习，这些方法我们都会手把手交给你！
欢迎你加入我的「俱乐部与副业收入」，赠送国内手机可以免费玩的GPT，并且带着大家一起探索和新的AI时代。