Pandas + ChatGPT:实现交互式数据分析

Python Pandas是一个为Python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法来管理结构化数据(Series和DataFrame)。

在人工智能领域,Pandas经常用于机器学习和深度学习过程的预处理步骤。Pandas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:https://github.com/gventuri/pandas-ai

使用 pip 安装 Pandas AI

pip install pandasai

使用 OpenAI 导入 PandasAI

在下一步中,我们将导入之前安装的 pandasai 库,然后导入 LLM(大型语言模型)功能。截至 2023 年 5 月,pandasai 仅支持 OpenAI 模型,我们将使用它来理解数据。

import pandas as pd

from pandasai import PandasAI

Sample DataFrame

df = 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 LLM

from pandasai.llm.openai import OpenAI

llm = OpenAI(api_token="your_API_key")

pandas_ai = PandasAI(llm)

pandas_ai.run(df, prompt='Which are the 5 happiest countries?')

6 Canada

7 Australia

1 United Kingdom

3 Germany

0 United States

Name: country, dtype: object

要使用 OpenAI API,您必须生成自己唯一的 API 密钥。

因为pandas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 database

pg_conn = "postgresql://YOUR URI HERE"

#Query sql database

query = """

SELECT *

FROM table_name

"""

#Create dataframe named df

df = 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 PandasAI 进行更复杂的查询。例如,可以要求 PandasAI 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 PandasAI 画图:

pandas_ai.run(

df,

"Plot the histogram of countries showing for each the gpd, using different colors for each bar",

)

图片

最后

ChatGPT、Pandas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。ChatGPT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PandasAI可以增强Pandas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,PandasAI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Python或pandas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。

相关推荐
曼城周杰伦4 小时前
自然语言处理:第六十三章 阿里Qwen2 & 2.5系列
人工智能·阿里云·语言模型·自然语言处理·chatgpt·nlp·gpt-3
山海青风4 小时前
使用 OpenAI 进行数据探索性分析(EDA)
信息可视化·数据挖掘·数据分析
AI完全体8 小时前
【AI日记】24.11.22 学习谷歌数据分析初级课程-第2/3课
学习·数据分析
databook12 小时前
『玩转Streamlit』--布局与容器组件
python·机器学习·数据分析
狸克先生12 小时前
如何用AI写小说(二):Gradio 超简单的网页前端交互
前端·人工智能·chatgpt·交互
SelectDB技术团队12 小时前
兼顾高性能与低成本,浅析 Apache Doris 异步物化视图原理及典型场景
大数据·数据库·数据仓库·数据分析·doris
statistican_ABin14 小时前
R语言数据分析案例45-全国汽车销售数据分析(可视化与回归分析)
数据挖掘·数据分析
新加坡内哥谈技术15 小时前
Mistral推出“Le Chat”,对标ChatGPT
人工智能·chatgpt
网络真危险!!16 小时前
【数据分析】认清、明确
数据挖掘·数据分析
菜鸟的人工智能之路16 小时前
极坐标气泡图:医学数据分析的可视化新视角
python·数据分析·健康医疗