企业官网建设流程全解析

PandasAI：用自然语言搞定CSV与数据库数据分析，新手向

【免费下载链接】pandas-aiChat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.项目地址: https://gitcode.com/GitHub_Trending/pa/pandas-ai

PandasAI 是一个 Python 库，让你直接用自然语言向数据提问。装上它之后，你一句"各地区平均营收是多少"，它就能查表、算数、返回数字、表格甚至图表，不用自己写 SQL。支持 CSV、Excel、parquet 文件和 SQL 数据库。

它具体帮你做什么

• 读入 CSV、Excel、parquet 文件，变成可以直接提问的数据对象
• 用一句话提问，比如"年龄和胆固醇的相关性是多少"，直接返回答案
• 提问里带一句"画个直方图"，它就顺手生成图表
• 把多张表一起丢给它，做跨表关联提问，比如"谁拿的工资最高"
• 把常用数据登记成数据集，之后按名字加载，不用反复读文件

实操走一遍

你打开终端，把项目克隆到本地：

git clone https://gitcode.com/GitHub_Trending/pa/pandas-ai

接下来装依赖，两条命令：pip install pandasai和pip install pandasai-litellm。注意 Python 版本要在 3.8 到 3.11 之间，两个包要分开装，主包不含 LLM 适配器。

这时候配置 LLM。用仓库自带的 examples/quickstart.ipynb 作参照：先实例化一个 LiteLLM 并传入你的模型名和 API key，再通过pai.config.set({"llm": llm})把它交给 PandasAI。这一步是它和所有 LLM 的"接线"环节，换个模型只需要改这一处。

数据方面，仓库 examples/data/ 里就备好了 heart.csv 这样的示例文件，先用它跑通流程。一句df = pai.read_csv("data/heart.csv")就把文件变成了可提问的对象。

接下来正式提问：df.chat("What is the correlation between age and cholesterol?")，把返回值打印出来就是答案。问"画一个按国家的 GDP 直方图，每根柱子用不同颜色"，它会返回一张图表而不是文字。

跑完之后，如果经常要查同一份数据，可以用pai.create(path="my-org/heart", df=df, description=...)把它登记成数据集，路径格式是"组织名/数据集名"；下次一句pai.load("my-org/heart")就加载回来，不用重复读文件。想看完整用法，示例目录下的 quickstart.ipynb 和 semantic_layer_csv.ipynb 可以直接打开跟着走。

跑不通的时候查这里

import pandasai_litellm 报错：多半是只装了主包。补一句pip install pandasai-litellm，两者是分开发布的。

提示 API key 无效或请求失败：检查传给 LiteLLM 的 key 是否拼错、是否有对应模型的调用权限，key 是接给 LLM 适配器的，不是配给 PandasAI 的。

安装时报 Python 版本错误：它只支持 3.8 到 3.11，3.12 以上装不上，换一版 Python 环境再装。

答案不对或反复重试：它的工作方式是让 LLM 生成代码再执行，答错时会自动纠错重试。还是不行就设置pai.config.set({"verbose": True})，把生成的代码打印出来，看它到底把哪一步理解歪了。

用得更顺的几个习惯

• 创建数据集时把description写具体一些，比如"心脏病患者体检数据"，模型对字段的理解会更准
• 追问上一轮的问题用pai.follow_up()，它会接着之前的上下文，不用把背景再讲一遍
• 数据敏感的场景装pandasai-docker，在 Docker 沙箱里执行 LLM 生成的代码，examples/docker_sandbox.ipynb 有现成写法
• 日常先开verbose观察生成的代码，形成"问题→它怎么理解"的直觉，排错快很多

小结

PandasAI 适合手里有一堆 CSV、parquet 或一个 SQL 库，又不想每次动手写查询的人，也适合开发者快速做探索性分析。现在就可以先装好两个包，打开 quickstart 笔记本跑一遍，用 heart.csv 问出你的第一个答案。

【免费下载链接】pandas-aiChat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.项目地址: https://gitcode.com/GitHub_Trending/pa/pandas-ai