PandasAI连接LLM对MySQL数据库进行数据分析
为什么你需要 PandasAI？先问大家一个问题：当你拿到一个 MySQL 数据库，里面有几百万行数据，你想快速知道"哪个地区的销售额最高？""最近三个月用户流失率趋势如何？"，你会怎么做？传统做法是写 SQL 查询，然后导入 Pandas 做二次处理，再画图...... 这一套流程下来，少说也要半小时。而且如果你不熟悉 SQL 语法，或者数据库表结构复杂，光是 join 和 group by 就够你头疼的了。而 PandasAI 的出现，直接把"用自然语言问数据库"变成了现实。你只需要像跟人说话一样提问，它就能自动生成代码、执行查询、返回结果，甚至画出图表。本文就带你一步步实现 PandasAI 连接 LLM 对 MySQL 数据库进行数据分析。## PandasAI 是什么？PandasAI 是一个基于 Pandas 的 AI 增强库，它把大语言模型（LLM）的能力封装成简单的 API。你不需要写复杂的 pandas 操作，只需要传入自然语言问题，它会自动：- 理解你的问题意图- 生成对应的 Pandas 代码- 执行代码并返回结果或图表目前 PandasAI 支持多种 LLM 后端，包括 OpenAI、Azure OpenAI、Google Gemini 等。连接 MySQL 数据库时，它会把问题转换成 SQL 查询，再通过 SQLAlchemy 连接数据库执行。## 准备工作：安装与配置在开始之前，你需要确保以下几点：1. 已安装 Python 3.8+2. 有一个可访问的 MySQL 数据库（本地或远程均可）3. 已安装必要的库打开终端，执行以下命令安装依赖：bashpip install pandasaipip install sqlalchemy pymysql如果你使用 OpenAI 的模型，还需要设置 API Key。建议在环境变量中配置：bashexport OPENAI_API_KEY="你的API Key"## 连接 MySQL 数据库### 第一步：创建数据库连接我们使用 SQLAlchemy 来创建数据库连接。假设你的 MySQL 数据库名为 sales_db，用户名是 root，密码是 123456，主机是 localhost，端口是 3306。pythonfrom sqlalchemy import create_engine# 创建数据库连接字符串# 格式：mysql+pymysql://用户名:密码@主机:端口/数据库名DATABASE_URI = "mysql+pymysql://root:123456@localhost:3306/sales_db"# 创建数据库引擎engine = create_engine(DATABASE_URI)# 测试连接是否成功with engine.connect() as conn: print("数据库连接成功！")### 第二步：初始化 PandasAI 并连接 LLM接下来，我们需要创建一个 PandasAI 实例，并指定 LLM 后端。这里以 OpenAI 为例：pythonfrom pandasai import SmartDataframefrom pandasai.llm import OpenAI# 初始化 LLM（使用 OpenAI 的 GPT-4 模型）llm = OpenAI(model="gpt-4")# 创建 SmartDataframe，传入 LLM 实例和数据库连接df = SmartDataframe( "SELECT * FROM orders", # 可以是一个 SQL 查询，也可以直接传表名 config={"llm": llm}, connection=engine)# 现在你可以用自然语言提问了response = df.chat("哪个区域的销售额最高？")print(response)看到没？你只需要把数据库连接引擎传给 SmartDataframe，然后就可以像聊天一样问问题了。它内部会自动把问题转换成 SQL 并执行。## 实战案例：分析销售数据### 场景描述假设我们有一个 orders 表，包含以下字段：- order_id：订单编号- customer_id：客户编号- region：销售区域（如华东、华南、华北）- amount：订单金额- order_date：订单日期- status：订单状态（已完成、已取消、待支付）我们想要分析：1. 各区域的销售总额2. 最近一个月的销售趋势3. 取消订单的比例### 代码示例：多轮对话分析pythonfrom pandasai import SmartDataframefrom pandasai.llm import OpenAIfrom sqlalchemy import create_engine# 配置数据库连接engine = create_engine("mysql+pymysql://root:123456@localhost:3306/sales_db")# 初始化 LLM 和 SmartDataframellm = OpenAI(model="gpt-4")df = SmartDataframe("SELECT * FROM orders", config={"llm": llm}, connection=engine)# 第一问：各区域的销售总额result1 = df.chat("按区域汇总销售总额，从高到低排序")print("各区域销售额：")print(result1)# 第二问：最近一个月的每日销售趋势result2 = df.chat("统计最近30天每天的销售总额，并画出趋势图")print("销售趋势：")print(result2)# 第三问：取消订单的比例result3 = df.chat("计算取消订单占总订单的比例")print("取消比例：")print(result3)运行这段代码，你会看到 PandasAI 自动完成了所有数据聚合、分组、排序等操作。如果你要求它画图，它还会自动生成 matplotlib 图表并展示。## 高级用法：自定义提示词与缓存有时候你可能希望对 LLM 的提问方式做更精细的控制。PandasAI 支持自定义提示词模板，还可以开启缓存避免重复查询。pythonfrom pandasai import SmartDataframefrom pandasai.llm import OpenAIfrom pandasai.prompts import PromptTemplate# 自定义提示词模板custom_prompt = PromptTemplate( question="请分析以下销售数据，重点关注高价值客户：{question}", instruction="使用简洁的中文回答，并附上关键数据指标。")# 开启缓存，避免相同问题重复执行查询config = { "llm": OpenAI(model="gpt-4"), "cache": True, # 开启缓存 "custom_prompt": custom_prompt, # 自定义提示词}df = SmartDataframe("SELECT * FROM orders", config=config, connection=engine)# 提问，会使用自定义提示词result = df.chat("找出消费金额最高的前5位客户")print(result)## 注意事项与优化建议1. 数据安全 ：因为 LLM 会生成 SQL 查询，务必确保数据库账号只有只读权限，避免误操作导致数据损坏。2. 性能问题 ：如果表数据量很大，建议先在 SQL 查询中限定范围（比如 WHERE 条件），或者使用采样数据。3. 模型选择 ：GPT-4 效果最好但贵，如果预算有限可以先用 GPT-3.5-turbo，对于简单问题也够用。4. 错误处理：PandasAI 偶尔会生成错误的 SQL，建议对返回结果做类型检查，或者用 try-except 包裹。## 总结PandasAI 把 LLM 与数据库分析完美结合，让我们告别繁琐的 SQL 和 pandas 操作。你只需要像跟同事聊天一样提问，它就能自动完成数据查询、清洗、分析和可视化。本文从环境搭建到实战案例，完整演示了如何连接 MySQL 数据库，进行自然语言驱动的数据分析。当然，PandasAI 仍在快速迭代中，功能会越来越强大。但请记住，它目前更适合做快速探索性分析，对于生产环境的关键决策，建议还是配合人工审查。希望本文能帮助你打开 AI 数据分析的大门，让数据工作变得更加轻松高效。