Pandasai هي منصة Python التي تجعل من السهل طرح الأسئلة على بياناتك باللغة الطبيعية. يساعد المستخدمون غير التقنيين على التفاعل مع بياناتهم بطريقة أكثر طبيعية ، ويساعد المستخدمين التقنيين على توفير الوقت والجهد عند العمل مع البيانات.
يمكن استخدام Pandasai بعدة طرق. يمكنك بسهولة استخدامه في أجهزة الكمبيوتر المحمولة Jupyter أو تطبيقات SPERTELIT ، أو يمكنك نشرها كأوpوع REST مثل Fastapi أو Flask.
إذا كنت مهتمًا بسحابة Pandasai المدارة أو عرض المؤسسات المستضافة ذاتيًا ، فاتصل بنا.
يمكنك العثور على الوثائق الكاملة لـ Pandasai هنا.
يمكنك إما أن تقرر استخدام Pandasai في أجهزة الكمبيوتر المحمولة Jupyter الخاصة بك ، أو تطبيقات STREMLIT ، أو استخدام بنية العميل والخادم من الريبو.

تستخدم Pandasai Platform بنية لخادم العميل المقيد. ستحتاج إلى تثبيت Docker في جهازك.
git clone https://github.com/sinaptik-ai/pandas-ai/
cd pandas-ai
docker-compose buildبمجرد قيامك ببناء النظام الأساسي ، يمكنك تشغيله مع:
docker-compose up سيبدأ هذا العميل والخادم ، ويمكنك الوصول إلى العميل على http://localhost:3000 .
يمكنك تثبيت مكتبة Pandasai باستخدام PIP أو الشعر.
مع PIP:
pip install pandasaiمع الشعر:
poetry add pandasaiجرب مكتبة Pandasai بنفسك في متصفحك:
import os
import pandas as pd
from pandasai import Agent
# Sample DataFrame
sales_by_country = pd . DataFrame ({
"country" : [ "United States" , "United Kingdom" , "France" , "Germany" , "Italy" , "Spain" , "Canada" , "Australia" , "Japan" , "China" ],
"revenue" : [ 5000 , 3200 , 2900 , 4100 , 2300 , 2100 , 2500 , 2600 , 4500 , 7000 ]
})
# By default, unless you choose a different LLM, it will use BambooLLM.
# You can get your free API key signing up at https://pandabi.ai (you can also configure it in your .env file)
os . environ [ "PANDASAI_API_KEY" ] = "YOUR_API_KEY"
agent = Agent ( sales_by_country )
agent . chat ( 'Which are the top 5 countries by sales?' ) China, United States, Japan, Germany, Australia
أو يمكنك طرح أسئلة أكثر تعقيدًا:
agent . chat (
"What is the total sales for the top 3 countries by sales?"
) The total sales for the top 3 countries by sales is 16500.
يمكنك أيضًا أن تطلب من Pandasai إنشاء مخططات لك:
agent . chat (
"Plot the histogram of countries showing for each one the gd. Use different colors for each bar" ,
)
يمكنك أيضًا تمرير عدة بيانات إلى Pandasai وطرح الأسئلة المتعلقة بها.
import os
import pandas as pd
from pandasai import Agent
employees_data = {
'EmployeeID' : [ 1 , 2 , 3 , 4 , 5 ],
'Name' : [ 'John' , 'Emma' , 'Liam' , 'Olivia' , 'William' ],
'Department' : [ 'HR' , 'Sales' , 'IT' , 'Marketing' , 'Finance' ]
}
salaries_data = {
'EmployeeID' : [ 1 , 2 , 3 , 4 , 5 ],
'Salary' : [ 5000 , 6000 , 4500 , 7000 , 5500 ]
}
employees_df = pd . DataFrame ( employees_data )
salaries_df = pd . DataFrame ( salaries_data )
# By default, unless you choose a different LLM, it will use BambooLLM.
# You can get your free API key signing up at https://pandabi.ai (you can also configure it in your .env file)
os . environ [ "PANDASAI_API_KEY" ] = "YOUR_API_KEY"
agent = Agent ([ employees_df , salaries_df ])
agent . chat ( "Who gets paid the most?" ) Olivia gets paid the most.
يمكنك العثور على المزيد من الأمثلة في دليل الأمثلة.
من أجل إنشاء رمز Python لتشغيله ، نأخذ بعض العينات العشوائية من DataFrame ، نقوم بعشوائية (باستخدام توليد عشوائي للبيانات الحساسة والخلط للبيانات غير الحساسة) ونرسل فقط الرأس العشوائي إلى LLM.
إذا كنت ترغب في تطبيق المزيد من خصوصيتك ، فيمكنك إنشاء مثيل لـ Pandasai مع enforce_privacy = True الذي لن يرسل رأسه (ولكن فقط أسماء الأعمدة) إلى LLM.
يتوفر Pandasai بموجب ترخيص MIT Expat ، باستثناء دليل pandasai/ee (الذي يحتوي على ترخيص هنا إن أمكن.
إذا كنت مهتمًا بعرض Pandasai Cloud أو عرض المؤسسات المستضافة ذاتيًا ، فاتصل بنا.
المساهمات مرحب بها! يرجى التحقق من المشكلات المعلقة ولا تتردد في فتح طلب سحب. لمزيد من المعلومات ، يرجى مراجعة الإرشادات المساهمة.