PandasAI：使数据分析变得对话式

PandasAI 是一个强大的 Python 平台，它允许用户以自然语言与数据进行交互。这个平台为非技术用户提供了一种更直观的方式来处理数据，同时也为技术用户节省了时间和精力。

一、部署 PandasAI PandasAI 可以通过多种方式使用。您可以在 Jupyter 笔记本或 Streamlit 应用中轻松使用它，也可以将其作为 REST API 进行部署，例如使用 FastAPI 或 Flask。如果您对托管的 PandasAI Cloud 或我们的自托管企业产品感兴趣，可以与我们联系。

二、开始使用 您可以在此处找到 PandasAI 的完整文档。您可以选择在 Jupyter 笔记本、Streamlit 应用中使用 PandasAI，或者使用存储库中的客户端和服务器架构。

三、使用平台

1. 安装：PandasAI 平台使用 Docker 化的客户端 - 服务器架构。您需要在您的机器上安装 Docker。
   • git clone https://github.com/sinaptik-ai/pandas-ai/
   • cd pandas-ai
   • docker-compose build
2. 运行平台：一旦构建了平台，您可以使用以下命令运行它：docker-compose up。这将启动客户端和服务器，您可以在 http://localhost:3000 访问客户端。

四、使用库

1. 安装：您可以使用 pip 或 poetry 安装 PandasAI 库。
   • 使用 pip：pip install pandasai
   • 使用 poetry：poetry add pandasai

五、演示 您可以在浏览器中亲自试用 PandasAI 库。

六、使用示例

1. 询问问题
   • 示例数据框：创建了一个包含国家和收入的示例数据框 sales_by_country。
   • 提问：通过 Agent 类向 PandasAI 提问，例如“Which are the top 5 countries by sales?”，得到了相应的回答。
   • 复杂问题：还可以提出更复杂的问题，如“What is the total sales for the top 3 countries by sales?”，并得到了准确的回答。
2. 可视化图表：可以要求 PandasAI 为您生成图表。
3. 多个数据框：可以将多个数据框传递给 PandasAI 并提出相关问题。

七、隐私与安全 为了生成要运行的 Python 代码，我们从数据框中抽取一些随机样本，对其进行随机化处理（对敏感数据使用随机生成，对非敏感数据进行打乱），并将随机化的头部发送到 LLM。如果您想要进一步加强隐私保护，可以将 enforce_privacy = True 实例化 PandasAI，这样就不会将头部（而只是列名）发送到 LLM。

总之，PandasAI 为数据分析提供了一种创新的、便捷的方式，使数据处理更加自然和高效。