PandasAI 自然语言查询数据指南从安装到多表分析、沙箱与报错排查【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-aiPandasAI 是一个 Python 库把用自然语言问数据变成一次函数调用你向它提出业务问题它借助 LLM 生成 Python 或 SQL 代码并本地执行直接返回分析结果。本文基于仓库当前版本3.0.0的文档与示例覆盖环境准备、首次提问、多数据表查询、Docker 沙箱以及常见报错的排查路径。先了解它能处理什么适合使用它的场景对 CSV、Excel、Parquet 等本地文件提问例如各区域平均营收是多少对已连接的数据库PostgreSQL、MySQL、SQL 数据源提问文档中另列有 BigQuery、Databricks、Snowflake 等扩展连接器跨多个表关联提问例如把员工表和薪资表一起传入问谁的收入最高要求生成图表如柱状图、直方图、散点图。返回格式由系统自动判断不需要手动指定共五类字符串、数值、DataFrame 表格、图表、错误信息详见 docs/v3/chat-and-output.mdx。工作机制问题如何变成结果.chat()被调用后PandasAI 把三样东西交给 LLM你的问题、表头字段名、以及数据的前 5–10 行样例。LLM 据此生成 Python 或 SQL代码在你的机器上执行结果按上文五类格式之一返回。数据源为 SQL/数据湖时执行走 DuckDB项目依赖duckdb与sqlglot。这一流程在 docs/v3/overview-nl.mdx 中有更完整的说明。安装与环境准备确认 Python 版本在 3.8 到 3.11 之间pyproject.toml约束为3.8,3.12文档推荐 3.8–3.11用 pip 或 poetry 安装核心包与 LLM 扩展包两条命令可任选一种包管理器执行pip install pandasai pip install pandasai-litellm准备一个 LLM 的 API Key。官方示例使用 OpenAI 模型通过pandasai-litellm扩展接入也支持 Azure OpenAI 等其他扩展见 extensions/llms/。克隆仓库参考git clone https://gitcode.com/GitHub_Trending/pa/pandas-ai。第一次向数据提问以仓库自带数据为例完整最小流程如下import pandasai as pai from pandasai_litellm.litellm import LiteLLM llm LiteLLM(modelgpt-4.1-mini, api_keyYOUR_API_KEY) pai.config.set({llm: llm}) df pai.read_csv(examples/data/loans_payments.csv) response df.chat(平均还款金额是多少) print(response)几个常用变体要图表把问题改成绘制各国 GDP 的柱状图返回图表响应后可用response.save(out.png)存盘要查看 LLM 实际生成的代码读取response.last_code_executed多表关联pai.chat(谁的收入最高, employees_df, salaries_df)常用配置项见 docs/v3/overview-nl.mdxsave_logs默认保存日志到项目根目录的pandasai.log、verbose控制台打印过程日志、max_retries出错自动重试次数默认 3。更多可运行示例在 examples/ 目录包括语义层 CSV 演示与沙箱 notebook。生产环境Docker 沙箱与 Agentpai.chat()会在你本机进程里执行 LLM 生成的代码。如果应用要面向外部用户、处理不可信输入或部署到生产环境官方文档明确建议启用沙箱pip install pandasai-dockerfrom pandasai_docker import DockerSandbox sandbox DockerSandbox() sandbox.start() result pai.chat(按性别统计心脏病患总数, df, sandboxsandbox) sandbox.stop()沙箱在隔离的 Docker 容器内执行代码离线运行并限制资源与文件访问。使用前确认本机 Docker 正在运行用法细节见 docs/v3/privacy-security.mdx 和 examples/docker_sandbox.ipynb。如果需要多轮追问上一年呢其中哪个国家最多用Agent而不是pai.chat()Agent 会保留会话状态agent.chat()开启话题agent.follow_up()延续上下文也支持传入sandbox参数。说明见 docs/v3/agent.mdx。常见报错对照与排查报错现象常见原因处理方式安装失败提示 Python 版本不符使用了 3.12 或 3.7 及以下解释器切换到 3.8–3.11重建虚拟环境初始化即抛ModuleNotFoundError: litellm只装了pandasai未装 LLM 扩展补装pip install pandasai-litellm调用chat报缺少 API Key / 模型不存在LiteLLM(api_key...)未填或模型名拼写错误核对 Key 与模型名换用已部署的模型沙箱启动失败未安装 Docker 或未运行启动 Docker 服务后重试确认已安装pandasai-dockerSQL 数据源查询报错连接串错误或表在 DuckDB 中未注册检查连接配置核对 tests/integration_tests/sql/ 中的连接写法结果与预期不符LLM 生成的代码有偏差设置save_logs: True后查看pandasai.log并用last_code_executed检查生成代码进阶语义层与字段描述3.0 版本引入了实验性的语义层为每个数据集定义 schema可配置数据加载方式、为字段补充语义描述、声明清洗与转换规则还能用 view 把多张表组合成一个可提问的逻辑视图。适合字段含义隐晦、需要统一口径的团队场景官方标注为实验特性建议进阶用户再启用。文档入口docs/v3/semantic-layer/、docs/v3/overview-nl.mdx。完整文档目录可在 docs/ 下按 v3 章节查阅项目采用 MIT 许可证pandasai/ee目录除外见 LICENSE更多可执行 notebook 见 examples/。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考