使用PandasAI在Google Colab进行对话式数据整理

在数据科学的世界中，数据整理是一个关键步骤。它涉及将原始数据清洁、转换和组织成一个准备好进行分析的格式。传统上，这个过程需要对编程语言如Python或SQL有深入了解，对初学者来说是一项艰巨的任务。然而，如果您可以用简单的英语提问您的数据，并在不编写复杂代码的情况下获得答案，那该怎么办呢？PandasAI就是这么做的，这是一个革命性的Python库，将对话式数据整理带到生活中。

在本指南中，我们将探讨如何在Google Colab中使用PandasAI，这是一个流行的基于云的平台，允许您在交互式环境中编写和执行Python代码。我们将逐步演示如何使用PandasAI的SmartDataframe和Agent类的示例，向您展示这个工具如何简化您的数据整理任务。

为什么PandasAI是数据整理的改变者

无论您是数据科学的新手还是资深分析师，PandasAI都可以通过允许您使用自然语言与数据交互来节省大量时间和精力。这个工具特别适用于：

初学者：如果您刚开始学习，PandasAI消除了需要学习复杂语法的障碍，让您可以专注于理解您的数据。
中级用户：对于熟悉数据整理概念但尚未精通编程的用户，PandasAI可以帮助弥合这一鸿沟。
专家们认为，即使是高级用户，也会发现PandasAI对于快速进行探索性数据分析（EDA）而无需编写重复代码是很有帮助的。

在Google Colab中开始使用PandasAI

步骤1：设置您的Google Colab环境

首先打开Google Colab并创建一个新笔记本。如果你不熟悉Google Colab，它是一个基于云的平台，允许您在交互式环境中运行Python代码，非常适合数据科学任务。

步骤2：安装PandasAI

在使用PandasAI之前，您需要安装它以及任何额外的依赖项。在您的Google Colab笔记本中，运行以下命令：

# Install PandasAI
!pip install pandasai
# (Optional) Install additional dependencies as needed
!pip install pandasai[google-ai, excel, langchain, plotly]

这个命令将安装PandasAI以及可选的依赖项，如谷歌AI、Excel支持、LangChain和用于可视化的Plotly。

第三步：获取BambooLLM API令牌

PandasAI 使用 LLM（大型语言模型）来理解和解释您的自然语言查询。默认情况下，它使用 BambooLLM。您需要获取一个API令牌来使用这个功能。以下是方法：

访问PandaBI并使用您的电子邮件地址注册，或通过您的Google帐户连接。
一旦登录，转到您的帐户设置中的API部分。
点击“创建新的API密钥”并复制生成的密钥。
在您的Colab笔记本中，将API密钥设置为环境变量：

import os
os.environ["PANDASAI_API_KEY"] = "YOUR_API_KEY"

用你复制的实际密钥替换"YOUR_API_KEY"。

使用PandasAI与SmartDataframe

现在我们已经安装了PandasAI并设置了API密钥，让我们来看一个使用SmartDataframe类的示例。

步骤4：创建一个示例数据框

让我们创建一个简单的DataFrame来使用:

import pandas as pd

# Sample DataFrame
sales_by_country = pd.DataFrame({
    "country": ["United States", "United Kingdom", "France", "Germany", "Italy", "Spain", "Canada", "Australia", "Japan", "China"],
    "sales": [5000, 3200, 2900, 4100, 2300, 2100, 2500, 2600, 4500, 7000]
})

步骤5：使用SmartDataframe整理数据

使用PandasAI，您现在可以使用自然语言与这个数据框交互。以下是如何做到的：

from pandasai import SmartDataframe

# Instantiate SmartDataframe with the DataFrame
df = SmartDataframe(sales_by_country)
# Ask a question to the DataFrame
response = df.chat('Which are the top 5 countries by sales?')
print(response)

输出:

['China', 'United States', 'Japan', 'Germany', 'Australia']

正如您所见，PandasAI 返回了销售额前5名的国家，而无需您编写任何SQL或Python代码。

用熊猫AI代理拓展视野

在PandasAI中，代理类更强大，允许多回合对话。这意味着你可以问后续问题并保持对话的上下文。

步骤6：创建和使用代理

让我们创建一个更复杂的DataFrame，并使用代理与其互动：

from pandasai import Agent

# Sample DataFrame
sales_data = pd.DataFrame({
    "country": ["United States", "United Kingdom", "France", "Germany", "Italy", "Spain", "Canada", "Australia", "Japan", "China"],
    "sales": [5000, 3200, 2900, 4100, 2300, 2100, 2500, 2600, 4500, 7000],
    "deals_opened": [142, 80, 70, 90, 60, 50, 40, 30, 110, 120],
    "deals_closed": [120, 70, 60, 80, 50, 40, 30, 20, 100, 110]
})

# Instantiate an Agent with the DataFrame
agent = Agent(sales_data)

# Ask questions using the Agent
response1 = agent.chat('List the top 5 countries by sales.')
print("Top 5 countries by sales:", response1)

response2 = agent.chat('Which country has the most deals?')
print("Country with the most deals:", response2)

print("Top 5 countries by sales:", response1)
print("Country with the most deals:", response2)

产出:

Top 5 countries by sales: ['China', 'United States', 'Japan', 'Germany', 'Australia']
Country with the most deals: 'United States'

代理人跟踪对话背景，使得可以轻松地提出后续问题，而不必重新表达或重新指定整个查询。

步骤7：处理澄清和解释

代理人如果没有足够的信息来回答查询，也可以提出澄清问题。此外，他们可以为他们的答案提供解释，帮助您理解结果背后的逻辑。

response = agent.chat('What is the GDP of the United States?')
explanation = agent.explain()
print("Answer:", response)
print("Explanation:", explanation)