PandasAI上手：不写SQL，用自然语言跑通第一份数据查询

PandasAI上手：不写SQL，用自然语言跑通第一份数据查询

【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

业务方早上发来一句"帮我看下高血压男性患者的平均胆固醇走势"，你得找到CSV、拼好pandas代码、再截图回传——这种临时取数场景，是每个数据角色的日常。PandasAI（当前版本 3.0.0，MIT 许可）就是为此设计的 Python 库：它基于 LLM 与 RAG，把自然语言问题翻译成 Python 代码和 SQL 语句，再对 CSV、Parquet、SQL 数据库等数据源执行，直接返回结果。

🎯 它解决什么问题、适合谁

传统流程里，取数需求要经过"提需求—排期—写查询"三步，PandasAI 把中间环节压缩成一次对话。它适合三类人：

• 非技术背景的业务、运营人员：不需要会 SQL 或 pandas，直接提问即可；
• 数据分析师：探索性分析阶段用它出初稿，省去重复写取数脚本；
• 工程师：把它当作嵌入应用的查询组件，LLM 可替换。

需要注意它的定位是"对话式取数"，不是报表平台。每次提问都会触发一次 LLM 调用，产生 token 费用和几秒到几十秒的延迟，不适合高频、低延迟的线上场景。

📥 安装与最小配置

官方要求 Python 3.8 到 3.11（pyproject.toml中声明为>=3.8,<3.12）。安装主包和一个 LLM 扩展（以 LiteLLM 为例，OpenAI 等主流模型均支持）：

pip install pandasai pandasai-litellm

最小可运行的调用只有四行：

import pandasai as pai from pandasai_litellm.litellm import LiteLLM pai.config.set({"llm": LiteLLM(model="gpt-4.1-mini", api_key="你的密钥")}) df = pai.read_csv("examples/data/heart.csv") print(df.chat("各年龄段患者的胆固醇平均值是多少？"))

pai.read_csv返回的是 SmartDataFrame 对象，.chat()的返回值有四种类型：字符串、数字、DataFrame、图表（对应pandasai/core/response/下的 chart、number、string、dataframe 等解析器）。问"平均值是多少"通常得到数字，问"给我画个分布图"则返回图表。

💬 第一次查询的完整执行链路

从图中可以看到典型的交互形态：左侧是带分页的数据表格，右侧是 AI 助手面板。一次chat()调用内部的流程大致是：

1. 语义理解：结合数据表 schema（pandasai/data_loader/会先解析列名与类型）生成 Python 代码或 SQL 查询；
2. 校验与清洗：pandasai/core/code_generation/下的code_validation.py和code_cleaning.py对生成代码做静态检查；
3. 执行：在沙箱环境中运行代码（本地或 Docker）；
4. 结果解析：按问题意图把输出归类为数字、文本或图表。

由于 SQL 查询在本地走 DuckDB 引擎（依赖中锁定了duckdb >=1.0），对 Parquet、CSV 这类文件型数据也能直接写 SQL，不必先加载进内存。

⚠️ 能力边界与注意事项

LLM 生成的代码不保证一次正确，结果也可能与问题意图有偏差。生产使用前建议关注两点：一是开启官方的 judge-agent 校验（docs/v3/judge-agent.mdx有说明），由另一个 LLM 复核生成代码的合理性；二是把输出接入你自己的业务校验，比如对"患者平均年龄 130 岁"这类结果做范围检查。

代码执行如何隔离

本地执行直接跑在 Python 进程里，适合开发调试；生产环境建议启用 Docker 沙箱扩展（extensions/sandbox/docker/），在容器内运行生成代码，避免 LLM 生成的任意 Python 触碰宿主环境。对 SQL 路径，pandasai/helpers/sql_sanitizer.py会对查询做清洗，降低注入风险。

权限边界怎么设

开源库本身没有用户体系，权限管理在配套的 Web 平台中。数据集的可见性分四档：Private（仅自己）、Organization（组织内）、Public（公开）、Password Protected（密码访问），并支持按成员粒度添加 Viewer：

另外注意目录里的pandasai/ee/是企业版模块（独立许可证），skills 等能力属于 ee 目录，使用时需确认授权范围。

🧩 典型落地场景

按上手难度递进，推荐三条试点路径：

• 单 CSV 问答：从仓库自带的examples/data/heart.csv（心脏病数据集）开始，验证"列级统计、分组聚合、相关性"三类问题能否稳定命中意图；
• 文件数据湖：用pai.read_parquet加载 Parquet 文件，结合 DuckDB 跑跨文件 SQL，适合日志、埋点这类列式存储；
• 语义层：v3 新增的语义层（docs/v3/semantic-layer/）支持先定义视图与转换，再让对话基于业务口径查询，可参考examples/semantic_layer_csv.ipynb。

选型时建议固定一个数据集、准备 10~20 个真实业务问题做回归，统计答对率后再决定是否扩大使用范围，而不是直接上线。

📚 下一步建议

• 读源码：从pandasai/core/code_generation/base.py开始，看提示词如何拼装；再看pandasai/data_loader/了解 schema 是如何喂给 LLM 的；
• 跑示例：examples/quickstart.ipynb是最短路径，examples/docker_sandbox.ipynb演示沙箱执行；
• 看文档：docs/v3/large-language-models.mdx列出可接入的模型，docs/v3/migration-guide.mdx说明 v2 到 v3 的破坏性变更；
• 试点切入点：选一份 10 万行以内、列名清晰的 CSV，先跑"描述性统计"类问题，再逐步引入聚合与图表，遇到输出偏差时优先检查 schema 描述是否完整。

【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