项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 23943
技术标签
使用教程
环境要求
- Python 版本 3.8+ 且不超过 3.11
- 已安装 pip 或 poetry 包管理器
- 一个可用的 LLM API Key(示例使用 OpenAI,如 gpt-4.1-mini)
- 可选的 Docker 环境(仅使用 Docker 沙箱时需要)
安装与启动步骤
-
1安装 PandasAI
用 pip 安装核心库和 LiteLLM 适配包,须在 Python 3.8~3.11 环境中执行。
pip install pandasai pip install pandasai-litellm -
2或用 Poetry 安装
若项目用 Poetry 管理依赖,改用 poetry add 添加同样两个包即可。
poetry add pandasai poetry add pandasai-litellm -
3初始化 LLM
引入 pandasai 与 LiteLLM,用你的 OpenAI 密钥创建模型实例,再注入到配置中。
import pandasai as pai from pandasai_litellm.litellm import LiteLLM # Initialize LiteLLM with your OpenAI model llm = LiteLLM(model="gpt-4.1-mini", api_key="YOUR_OPENAI_API_KEY") # Configure PandasAI to use this LLM pai.config.set({ "llm": llm }) -
4读数据并提问
用 pai.read_csv 读取 CSV,再调用 df.chat 用自然语言提问并打印回答。
# Load your data df = pai.read_csv("data/companies.csv") response = df.chat("What is the average revenue by region?") print(response) -
5可选 Docker 沙箱
需要隔离环境安全执行生成代码时,安装 pandasai-docker 并导入 DockerSandbox。
pip install "pandasai-docker"
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
llm | 是 | 通过 pai.config.set 注入的 LLM 适配器实例,PandasAI 用它生成代码 | pai.config.set({"llm": llm}) |
model | 是 | 传给 LiteLLM 的模型名称,决定调用哪个大模型 | gpt-4.1-mini |
api_key | 是 | 模型服务商的 API 密钥,示例中为 OpenAI 密钥 | YOUR_OPENAI_API_KEY |
如何确认成功
运行脚本后终端打印出 df.chat 的自然语言回答(例如平均营收数值),即表示库与 LLM 配置成功。
常见问题
Q:支持哪些 Python 版本?
A:README 要求 Python 3.8+ 且不超过 3.11,版本过高或不符可能导致安装或运行失败。
Q:必须用 pip 安装吗?
A:不是,也可以用 Poetry,执行 poetry add pandasai 和 poetry add pandasai-litellm。
Q:如何安全执行 PandasAI 生成的代码?
A:可安装 pandasai-docker,使用 DockerSandbox 在隔离的 Docker 环境中运行,降低恶意代码风险。
Q:API Key 从哪里获取?
A:示例使用 OpenAI 模型,需自备 OpenAI API Key,替换代码中的 YOUR_OPENAI_API_KEY。
注意事项
- 代码示例中的 api_key 为占位符,请替换为真实密钥,切勿提交到公开仓库。
- Python 版本必须满足 3.8+ <=3.11。
- pandasai-litellm 是 LLM 适配包,需与 pandasai 一起安装才能按示例运行。
- Docker 沙箱为可选项,仅在需要隔离执行生成代码时安装 pandasai-docker。
核心亮点
- 自然语言直接查数据,无需写 SQL 或 Pandas 代码
- 支持多种数据源(SQL、CSV、Parquet),集成方便
- 内置 Agent 机制,可处理多轮复杂分析任务
不足之处
- LLM 调用成本较高,大规模数据查询可能耗时
- 复杂查询的准确性依赖模型能力,需人工校验
适用场景
- 业务人员快速探索数据,生成报表
- 数据科学家用对话方式预处理数据
- 在 Jupyter 或应用中集成自然语言查询接口
替代项目
LangChain、Vanna、Text-to-SQL(如 WrenAI)
上一篇:langextract
下一篇:reader
同类项目推荐
llmgraph
开源
输入文本,自动生成可视化知识图谱
Create knowledge graphs with LLMs
SearchCLI
开源
终端敲一行命令,AI 搜索能力直接接入项目
Open CLI for integrating AI search, recommendation, and conversational retrieval int···
llm-arxiv-daily
开源
每天自动收 arXiv 大模型论文,不用手动刷
Automatically update arXiv papers about LLM Reasoning, LLM Evaluation, LLM & MLLM an···
coco-app
开源
搜索记录协作一屏搞定,不再来回切换
Coco AI App - Search, Connect, Collaborate, Personal AI Search and Assistant, all in···
llm-wiki-compiler
开源
丢进原始资料,自动生成互联 Wiki 知识库
The knowledge compiler. Raw sources in, interlinked wiki out. Inspired by Karpathy's···
llm-wikid
开源
克隆即用,让 Claude 帮你把 Obsidian 养成第二大脑
Karpathy-style LLM knowledge base for Obsidian. Clone, run Claude Code, start buildi···
awesome-VLLMs
开源
一页看全视觉大模型论文脉络,调研选题不迷路
This repository collects papers on VLLM applications. We will update new papers irre···
my-rag
开源
导入文档建知识库,自然语言问答带权限隔离
我的rag系统,可以用于导入知识库进行知识问答,可集成第三方mcp,也做了权限隔离等
obsidian-llm-wiki
开源
笔记和PDF自动变知识图谱,还能问答
Karpathy's LLM Wiki implementation plugin for Obsidian - turns notes and PDFs into a···
