PandasAI
Sinaptik GmbH · Programación · Otro
PandasAI es una biblioteca de Python de código abierto que convierte los dataframes en una conversación. Haces preguntas sobre archivos CSV o tablas SQL en lenguaje natural y recibes respuestas, tablas o gráficos.
Acerca de PandasAI
About
Qué es PandasAI
PandasAI es una biblioteca de IA para pandas creada por Sinaptik, la empresa de Berlín detrás de Annie, su aplicación de analítica alojada. Se ha vuelto el punto de partida habitual del análisis de datos conversacional en Python. Se instala con pip, se apunta a un dataframe o a un archivo y a partir de ahí escribes df.chat("...") en lugar de encadenar filtros y groupbys. La biblioteca envía tu pregunta junto con una descripción de los datos a un modelo de lenguaje, que escribe el código de pandas, lo ejecuta y devuelve el resultado.
La gracia está en el tiempo que ahorra en lo aburrido. Responder "qué región facturó más en el tercer trimestre" implica recordar nombres de columnas, revisar tipos y corregir un error de índice. El análisis de datos en lenguaje natural promete cerrar esa brecha, y PandasAI es de las pocas herramientas que lo hace dentro del notebook y no en un panel aparte.
El punto delicado es que el código generado se ejecuta en tu máquina con tus permisos. PandasAI incluye un sandbox de Docker por ese motivo, pero la configuración por defecto ejecuta la salida del modelo tal cual. Trata el texto de la pregunta como entrada de un intérprete de código, no como un buscador inofensivo.
Primeros pasos
- Instala la biblioteca con
pip install pandasaiy añade una extensión de modelo, por ejemplopip install pandasai-litellm. Funciona con Python 3.8 hasta 3.11. - Registra el modelo una vez en el script con
pai.config.set({"llm": llm}), pasando una clave de API de OpenAI, Anthropic, Google u otro proveedor. - Carga los datos con
pai.read_csv("data.csv")o envuelve un DataFrame de pandas que ya tengas. - Formula la pregunta en
chat()y lee el objeto que devuelve. Para sesiones largas usa la clase Agent, que mantiene el contexto entre turnos. - Añade una capa semántica con descripciones de columna si el modelo falla al interpretar qué significa un campo.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de PandasAI.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Analistas que ya trabajan en pandas y quieren una primera pasada rápida sobre un dataset, sabiendo que el código generado conviene leerlo antes de llevarlo a producción.
- Desarrolladores de Python que montan un panel interno para preguntar a tus datos, porque la biblioteca encaja en un script o notebook sin backend adicional.
- Estudiantes e investigadores que aprenden pandas, siempre que revisen el código que escribe el modelo en vez de fiarse solo de la respuesta.
Tareas
- Preguntas sueltas sobre hojas de cálculo
- Consultas al almacén de datos mediante los conectores en la nube
- Gráficos
- Prototipar una función de analítica en lenguaje natural antes de contratar una plataforma, ya que el núcleo con licencia MIT no cuesta nada de probar.
Casos de uso
- El informe del lunes
- Abrir un dataset desconocido
- Preguntas en directo durante una reunión, cuando escribir un groupby cortaría la conversación.
Funciones clave
Chat con un dataframe
La llamada principal acepta una pregunta normal y devuelve lo que corresponda: una cadena, una cifra, un dataframe o un gráfico. Puedes encadenar seguimientos en una sesión con pai.chat(), pero cada llamada empieza de cero salvo que pases al agente. Para explorar un archivo concreto, es el camino más corto entre pregunta y respuesta.
Agente multiturno
La clase Agent guarda el estado de la conversación, así que "y cuál tiene más operaciones cerradas" se refiere a la respuesta anterior. También admite aclaraciones, explicaciones de lo que hizo y reformulación de la consulta cuando el primer intento no acierta. En el plan empresarial, el agente se puede entrenar contra un almacén vectorial local, lo que mantiene las convenciones de tu equipo en tu infraestructura.
Capa semántica
Puedes registrar un conjunto de datos una vez con pai.create(), dando a cada columna un tipo y una descripción, y reutilizarlo después. Las vistas y las transformaciones se apoyan en ese esquema, así que un campo llamado amt_net lleva la etiqueta "ingreso neto tras devoluciones" en todas las preguntas futuras. Ahí está la diferencia entre un asistente que adivina y uno que conoce tu tabla.
Trae tu propio modelo
PandasAI no incluye un modelo. Conectas OpenAI, Anthropic, Google o cualquiera que cubra LiteLLM, y pagas a ese proveedor por separado. La biblioteca sale barata y el equipo puede quedarse con el modelo que ya pasó por compras. Cambiar de proveedor es una línea de configuración. Para un analista de datos con IA, esa libertad pesa más que cualquier benchmark.
Sandbox de Docker
pandasai-docker ejecuta el código generado en un contenedor aislado, sin red y con recursos limitados. La inyección de prompts es un riesgo real cuando los usuarios finales escriben las preguntas, y este ajuste impide que una instrucción maliciosa toque tus archivos. Docker tiene que estar en marcha antes de arrancar el sandbox.
Habilidades propias y controles empresariales
Las skills te dejan envolver funciones de Python propias, de modo que el modelo llame a tu consulta de precios o a una conversión de unidades en vez de improvisar esa lógica. La plataforma alojada añade lo que piden los equipos grandes: SSO y SAML, control de acceso por roles, registros de auditoría, alojamiento en VPC privada y despliegue en entornos sin conexión.
Ventajas y desventajas
Ventajas
- Gratis bajo licencia MIT para el núcleo, sin límite de usuarios ni tope de uso por parte de Sinaptik.
- La salida es Python normal, así que puedes inspeccionar el código generado, registrarlo o sustituirlo.
- Encaja en lo que ya usas: pandas, archivos CSV, hojas de Excel y extensiones SQL.
- La elección de modelo queda abierta gracias a LiteLLM, algo que importa cuando hace falta un modelo más barato o autoalojado.
- La capa semántica corrige el fallo típico de las herramientas de texto a SQL, donde el significado de las columnas se adivina mal.
Desventajas
- Exige soltura con Python. Un perfil de negocio no sabe instalarlo ni leer un traceback, así que para esa gente la aplicación alojada es la vía realista.
- Los conectores de datos en la nube y el entrenamiento con almacén vectorial quedan detrás de la licencia empresarial, con presupuesto por empresa y sin precio público.
- El código generado puede estar mal de forma sutil. Un dataframe con un filtro equivocado parece correcto hasta que alguien lo comprueba.
- Python 3.12 y versiones posteriores aún no están soportadas, lo que bloquea a equipos que ya actualizaron su entorno.
Preguntas frecuentes
La biblioteca es gratuita con licencia MIT y puedes instalarla hoy mismo. Aparte pagas el modelo de lenguaje, con una clave de API o con un modelo propio alojado. La plataforma en la nube ofrece prueba gratuita y planes empresariales de pago.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con PandasAI.
Alternativas a PandasAI
Base Code
Base44 (Wix) · Programación · ProductividadBase Code es un entorno de desarrollo en la nube compartido de Base44. El equipo describe cambios sobre un repositorio de GitHub en el chat, los ve en una vista previa y los envía como pull requests.
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
GitGlow
GitGlow · Programación · ProductividadGitGlow es un cliente Git de escritorio que reúne tu código y los cambios de tus agentes de IA en una sola revisión, para que sepas qué va a salir de tu máquina antes de publicarlo.