PandasAI 简介与环境搭建

PandasAI 是什么

PandasAI 是一个让 Pandas DataFrame 支持自然语言查询的库。你可以用人类语言提问，它自动将问题翻译成 Pandas/SQL 代码并执行。

传统方式:
  df[df['score'] > 85].groupby('model')['latency'].mean()

PandasAI 方式:
  df.chat("哪些模型的分数大于85，它们的平均延迟是多少？")

安装与基础配置

pip install pandasai

import pandas as pd
from pandasai import Agent

df = pd.DataFrame({
    "model": ["GPT-4o", "Claude", "Llama", "Qwen", "DeepSeek"],
    "MMLU": [88.7, 89.2, 84.5, 83.5, 86.8],
    "price_per_1M": [12.50, 18.00, 0.87, 1.47, 0.42],
})

agent = Agent(df)

response = agent.chat("哪个模型性价比最高？")
print(response)

支持的 LLM 后端

from pandasai.llm import OpenAI, AzureOpenAI, GoogleGemini

llm_openai = OpenAI(model="gpt-4o-mini")

llm_gemini = GoogleGemini(model="gemini-2.0-flash")

agent = Agent(df, config={"llm": llm_openai})

核心能力一览

能力	示例查询	翻译为
过滤	"分数大于90的模型"	df[df['score'] > 90]
排序	"按价格从低到高排序"	df.sort_values('price')
聚合	"各厂商的平均分"	df.groupby('vendor').mean()
统计	"有多少模型超过85分"	(df['score'] > 85).sum()
描述	"描述这个数据集"	df.describe() + 文字总结
可视化	"画一个分数分布图"	自动生成 plot

与传统 Pandas 的定位关系

┌─────────────────────────────────────┐
│           数据分析师工作流           │
│                                     │
│  ┌──────────┐   ┌──────────────┐  │
│  │ PandasAI │ → │ 生成代码预览  │  │
│  │ (自然语言)│   │  (可审核/修改) │  │
│  └──────────┘   └──────┬───────┘  │
│                         │          │
│                  ┌──────▼───────┐  │
│                  │  Pandas 执行  │  │
│                  │  (精确控制)    │  │
│                  └──────────────┘  │
└─────────────────────────────────────┘

PandasAI 不是替代 Pandas，而是补充：

• 探索阶段：用自然语言快速了解数据
• 验证阶段：审查生成的代码，确保正确性
• 生产阶段：用原生 Pandas 代码精确执行