pandas-ai

用大白话跟数据库聊天,秒出分析结果

PandasAI 是一个将大语言模型与数据分析结合的开源库,让你可以用自然语言与数据对话。它支持 SQL、CSV、Parquet 等多种数据源,通过 LLM 和 RAG 技术,将用户的提问自动转换为 Pandas 代码或 SQL 查询,并返回结果。核心能力包括:自然语言查询、数据可视化、数据清洗、特征生成,以及通过 Agent 进行多轮对话式分析。它解决了非技术人员难以操作复杂数据分析工具的问题,降低了数据洞察的门槛。PandasAI 提供 Python 库和平台两种使用方式,可灵活集成到现有工作流中。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 23809
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队sinaptik-ai
所属国家
定价模式free
价格说明开源项目,本地部署,完全免费。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型ai,csv,data,data-analysis,data-science,data-visualization,database,datalake,gpt-4,llm,pandas,sql,text-to-sql
GitHub 星标★ 23809
30天Star增速
HF 下载量
上线时间2023-04-22 00:00:00
最近更新2026-09-22 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数0

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

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. 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. 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. 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. 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. 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)

项目介绍

pandas-ai 是搜索知识领域的开源项目,由 sinaptik-ai 开发,2023 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(23,809)位列前 2%,在搜索知识分类的 585 个项目里位列前 5%。

近 41 天,它的 GitHub 星标从 23,740 增加到 23,809,净增 69。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-22。本地部署,完全免费。

它主要面向的使用场景是:业务人员快速探索数据,生成报表。同类可对比的替代方案包括 LangChain、Vanna、Text-to-SQL(如 WrenAI)。

上一篇:langextract

下一篇:reader

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单,开发者省下整周加班

The web data API to search, scrape, and interact at scale.

★ 183325 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用,从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图,找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 120493 2026-08-09
ragflow 开源

让大模型用上你的私有知识,搭建可靠的企业级RAG应用

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···

★ 91170 2026-08-09