PandasAI
Sinaptik GmbH · 程式設計 · 其他
PandasAI 是開源的 Python 函式庫，讓資料框可以對話。你用自然語言對 CSV 檔或 SQL 資料表提問，就能拿回答案、表格或圖表。
關於 PandasAI
About
PandasAI 是什麼
PandasAI 是 Sinaptik 開發的 pandas 的 AI 函式庫，這家柏林公司同時經營托管版的 Annie 分析應用。用 pip 裝好，指向一個資料框或檔案，接著寫 df.chat("...")，不必再串接篩選與 groupby。函式庫會把你的問題和資料描述送給語言模型，由模型寫出 pandas 程式碼、執行，再把結果交回來。
省下的是繁瑣功夫。要回答「第三季哪一區營收最高」，平常得記欄位名稱、確認型別，還要修掉一個索引錯誤。自然語言資料分析就是要消掉這道手續，而 PandasAI 是少數把這件事做在 notebook 裡、而非另開儀表板的工具。
要留意的是，產生的程式碼會用你的權限在你機器上執行。為此它備有 Docker 沙箱，但預設設定是直接執行模型輸出。請把問題文字當成送進程式碼解譯器的輸入，而不是無害的搜尋框。
開始使用
- 用
pip install pandasai安裝，再加一個模型擴充套件，例如pip install pandasai-litellm。支援 Python 3.8 到 3.11。 - 在腳本裡用
pai.config.set({"llm": llm})註冊模型，填入 OpenAI、Anthropic、Google 或其他供應商的 API 金鑰。 - 用
pai.read_csv("data.csv")載入資料，或把現成的 DataFrame 包進來。 - 在
chat()裡提問，讀取回傳物件。長時間對話請改用 Agent 類別，它會保留跨輪次的上下文。 - 若模型老是猜錯欄位意思，補上一層語意描述，替每個欄位寫上型別與用途。
產品資訊
快速了解 PandasAI 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 已經在用 pandas 的資料分析師：想對資料集做一輪快速探索，前提是產生的程式碼要先看過再上線。
- 打造內部「向資料提問」面板的 Python 開發者：函式庫能直接放進現有腳本或 notebook，不必另建後端。
- 正在學 pandas 的學生與研究者：適合，但要檢查模型寫的程式碼，不能只看答案。
任務
- 試算表的臨時提問：載入 CSV，問總和、比較或缺漏值，省掉手動篩選。
- 透過雲端連接器查資料倉儲：PostgreSQL、MySQL、Snowflake、BigQuery 與 Databricks 屬於企業版範圍。
- 畫圖：`chat()` 對「畫出每月營收」這類要求會回傳 Plotly 圖表，不必再繞去 matplotlib。
- 在採購平台前先做原型：MIT 授權的核心免費，測起來沒有成本。
情境
- 週一例行報表：對本週檔案重跑同樣幾個問題，把數字貼進簡報。
- 打開一份陌生資料集：描述欄位後，讓助理在幾次對話內整理出範圍、離群值與分類計數。
- 會議中即時提問：當場手寫 groupby 會打斷討論節奏。
主要功能
與資料框對話
主要呼叫接受一句平常的問題，回傳格式看情況：字串、數字、資料框或圖表。同一場對話可以用 pai.chat() 連續追問，但每次呼叫都重新開始，除非改用 agent。只處理單一檔案時，這是從問題到答案最短的路。
多輪對話 Agent
Agent 類別會保存對話狀態，所以「那哪一國成交最多」會接續上一題的結果。它也能反問、解釋自己做過什麼，第一次查詢不準時重新改寫。企業版還能用本機向量資料庫訓練 agent，讓團隊的用語習慣與業務定義留在自己手上。
語意層
用 pai.create() 註冊一次資料集，替每個欄位指定型別與說明，之後重複使用。檢視與轉換都建立在這份結構描述上，一個叫 amt_net 的欄位，之後每一題都會帶著「扣除退貨後的淨營收」這個標籤。這是會猜的助理與懂你資料表的助理之間的差別。
自備模型
PandasAI 本身不附模型。你接上 OpenAI、Anthropic、Google 或 LiteLLM 支援的任何供應商，費用直接付給對方。函式庫因此便宜，團隊也能沿用已通過採購的模型。換供應商只是設定裡的一行。對 AI 資料分析師來說，這種自由比任何評測分數都實在。
Docker 沙箱
pandasai-docker 把產生的程式碼放進隔離容器執行，沒有網路，資源也受限。當終端使用者自己輸入問題時，提示注入是真實風險，這個設定能擋下惡意指令碰到你的檔案系統。啟動沙箱前必須先跑起 Docker。
自訂技能與企業控管
技能讓你包裝自己的 Python 函式，模型可以直接呼叫你的價格查詢或單位換算，不必自己瞎猜邏輯。托管平台補上大團隊要的東西：SSO 與 SAML、角色權限、稽核紀錄、私有 VPC 部署，以及離線環境安裝。
優缺點
優點
- 核心以 MIT 授權免費，Sinaptik 不限制席次與用量。
- 輸出就是普通 Python，可以檢視、記錄或覆寫產生的程式碼。
- 接得上手邊的環境：pandas、CSV、Excel 與各種 SQL 擴充。
- 模型選擇透過 LiteLLM 保持開放，需要更便宜或自架模型時很方便。
- 語意層解決了文字轉 SQL 工具最常見的毛病，也就是欄位意思被猜錯。
缺點
- 需要具備 Python 能力。業務人員裝不起來也看不懂錯誤訊息，對他們來說托管版應用才實際。
- 雲端連接器與向量資料庫訓練綁在企業授權裡，按公司報價，沒有公開價格。
- 產生的程式碼可能細微出錯。篩選條件寫錯的資料框，看起來正確，直到有人核對。
- 尚未支援 Python 3.12 以上，已經升級環境的團隊會被卡住。
常見問題
函式庫以 MIT 授權免費，現在就能安裝。語言模型要另外付費，用 API 金鑰或自架模型皆可。雲端平台提供免費試用與付費企業方案。
相關內容
探索與 PandasAI 相關的工具、技能與文章。
PandasAI 替代方案
Base Code
Base44 (Wix) · 程式設計 · 生產力Base Code 是 Base44 推出的共享雲端開發環境。團隊在對話中描述對既有 GitHub 儲存庫的修改，看著預覽確認結果，再以 Pull Request 交回工程團隊。
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
GitGlow
GitGlow · 程式設計 · 生產力GitGlow 是桌面版 Git 用戶端，把你自己的程式碼與 AI 代理程式的變更集中在同一份審查裡，讓你在交付前看清楚機器上究竟要送出什麼。