PandasAI
Sinaptik GmbH · コーディング · その他
PandasAIはデータフレームを会話できる相手に変えるオープンソースのPythonライブラリだ。CSVやSQLテーブルについて自然言語で質問すると、答えや表、グラフが返ってくる。
PandasAI について
About
PandasAIとは
PandasAIは、ホスティング版の分析アプリAnnieを運営するベルリンのSinaptikが作った、pandas向けAIライブラリだ。Pythonでの対話型データ分析といえばまずこれ、という位置に定着している。pipで入れ、データフレームかファイルを指定し、あとはフィルタやgroupbyをつなぐ代わりにdf.chat("...")と書く。質問とデータの説明が言語モデルに渡り、モデルがpandasのコードを書いて実行し、結果を返す仕組みだ。
楽になるのは面倒な下準備の部分である。第3四半期に売上が最も伸びた地域を調べるには、列名を思い出し、型を確認し、インデックスのずれを直す作業が要る。自然言語データ分析はこの手間を減らすためにあり、PandasAIはそれを別画面のダッシュボードではなくノートブックの中でやる数少ない道具だ。
見落とせないのは、生成されたコードが自分の権限で自分のマシン上で動く点である。そのためにDockerサンドボックスが用意されているが、既定の設定はモデルの出力をそのまま実行する。質問文はコード実行環境への入力として扱うべきで、無害な検索窓ではない。
はじめかた
pip install pandasaiで本体を入れ、pip install pandasai-litellmのようなモデル拡張を追加する。対応するPythonは3.8から3.11まで。- スクリプト内で
pai.config.set({"llm": llm})を1回呼び、OpenAI、Anthropic、GoogleなどのAPIキーを渡す。 pai.read_csv("data.csv")でデータを読み込むか、手持ちのDataFrameを包む。chat()に質問を渡し、返ってきたオブジェクトを読む。長いやり取りにはAgentクラスを使う。ターンをまたいで文脈を保持する。- 列の意味を取り違えるようなら、型と説明を添えてセマンティックレイヤーを足す。
AIツール情報
PandasAIの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- pandasを日常的に使うデータアナリスト。データセットの下調べを一度で済ませたい人向けだが、生成コードは本番投入前に目を通したい。
- 社内用の「データに質問する」画面を作るPython開発者。既存のスクリプトやノートブックに収まるので、別途バックエンドを立てなくてよい。
- pandasを学ぶ学生や研究者。ただし答えだけを信じず、モデルが書いたコードを確認できることが条件になる。
タスク
- 表計算ファイルへの単発の質問。CSVを読み込み、合計や比較、欠損値を尋ねれば手作業の絞り込みが要らない。
- クラウドコネクタ経由のデータウェアハウス照会。PostgreSQL、MySQL、Snowflake、BigQuery、Databricksはエンタープライズ版の範囲だ。
- グラフ作成。「月別の売上を描いて」と頼めば`chat()`がPlotlyの図を返すので、matplotlibに回り道しなくて済む。
- ツールを契約する前の試作。MITライセンスのコアは無料なので、試すのに費用がかからない。
シーン
- 月曜の定例レポート。今週のファイルに同じ質問を投げ、数字を資料へ貼る。
- 見慣れないデータセットを開くとき。列を説明すれば、範囲や外れ値、カテゴリ別の件数を数回のやり取りで整理してくれる。
- 会議中のその場の質問。手でgroupbyを書いていたら話が止まる場面で効く。
主な機能
データフレームとの対話
中心となる呼び出しは普通の質問を受け取り、内容に合った形で返す。文字列、数値、データフレーム、図のいずれかだ。同じセッションでpai.chat()を続けてもよいが、agentに切り替えない限り毎回やり直しになる。1つのファイルを調べるだけなら、質問から答えまで最短の道である。
複数ターンのAgent
Agentクラスは会話の状態を保持するので、「では契約が最も多いのは」といった追問が前の答えにつながる。聞き返しや、何をしたかの説明、最初の解釈が外れたときの問い直しにも対応する。エンタープライズ版ではローカルのベクトルストアで訓練でき、社内の言い回しや指標定義を手元に置ける。
セマンティックレイヤー
pai.create()でデータセットを一度登録し、各列に型と説明を与えれば、以降は使い回せる。ビューや変換はこのスキーマの上に載るため、amt_netという列には常に「返品後の純売上」というラベルが付く。当てずっぽうのアシスタントか、あなたの表を知っているアシスタントかの差はここで決まる。
モデルは自分で選ぶ
PandasAIにモデルは同梱されない。OpenAI、Anthropic、Google、あるいはLiteLLMが対応する任意の提供元をつなぎ、料金はそちらへ直接払う。ライブラリ自体が安く済み、調達を通したモデルをそのまま使い続けられる。乗り換えは設定1行だ。AIデータアナリストとして見ても、この自由はベンチマークの点数より効く。
Dockerサンドボックス
pandasai-dockerは生成コードを隔離したコンテナで動かす。ネットワークは遮断され、リソースも制限される。利用者自身が質問文を打つ場面ではプロンプトインジェクションが現実の脅威になる。この設定が悪意ある指示からファイルを守る。サンドボックスを起動する前にDockerを動かしておく必要がある。
独自スキルと企業向け統制
スキルを使えば自前のPython関数を包める。料金表の照会や単位変換を、モデルに推測させるのではなく呼び出させられる。ホスティング版には大規模チーム向けの機能が揃う。SSOとSAML、ロールベースの権限、監査ログ、プライベートVPCでの運用、ネットワークから切り離した環境への配備だ。
メリットとデメリット
メリット
- コアはMITライセンスで無料。Sinaptik側の席数制限も利用上限もない。
- 出力は普通のPythonなので、生成コードを読むことも記録することも差し替えることもできる。
- 手元の構成にそのまま載る。pandas、CSV、Excel、各種SQL拡張に対応する。
- LiteLLM経由でモデル選択の自由が残る。安価なモデルや自前運用のモデルが必要な場面で大きい。
- セマンティックレイヤーが、テキストto SQLツールでありがちな列の意味の取り違えを防ぐ。
デメリット
- Pythonの知識が要る。業務担当者は導入もエラー文の解読も難しく、その層にはホスティング版アプリのほうが現実的だ。
- クラウドコネクタとベクトルストア訓練はエンタープライズライセンスの内側にあり、企業ごとの見積もりで価格は公開されていない。
- 生成コードは静かに間違うことがある。絞り込み条件がずれた表は、誰かが検算するまで正しく見える。
- Python 3.12以降は未対応で、環境を先に上げたチームは足止めを食う。
よくある質問
ライブラリはMITライセンスで無料、今すぐ導入できる。言語モデルの費用は別で、APIキーか自前のモデルに対して払う。クラウド版には無料トライアルと有料のエンタープライズ契約がある。
関連コンテンツ
PandasAIに関連するツール、スキル、記事を探す。
PandasAIの代替ツール
Base Code
Base44 (Wix) · コーディング · 生産性向上Base CodeはBase44の共有クラウド開発環境だ。既存のGitHubリポジトリに対する変更をチャットで伝え、プレビューで確認し、プルリクエストとして返せる。
Google EmbeddingGemma 2
Google DeepMind · ライティング · 画像 · コーディングGoogle EmbeddingGemma 2 は 7 億 4000 万パラメータのオープンなモデルで、テキスト、コード、画像、音声、動画フレームを同じ 768 次元空間のベクトルに変え、スマートフォンやノート PC 上で動く。
GitGlow
GitGlow · コーディング · 生産性向上GitGlow は自分のコードと AI エージェントの変更を一つのレビューにまとめるデスクトップ Git クライアントだ。出荷前に、マシンから何が出ていくのかを確かめられる。