Pandas 数据框

本笔记展示了如何使用代理与 Pandas 数据框 进行交互。它主要针对问题回答进行了优化。

注意：此代理在幕后调用 Python 代理，该代理执行由 LLM 生成的 Python 代码 - 如果 LLM 生成的 Python 代码有害，这可能是不好的。请谨慎使用。

from langchain.agents.agent_types import AgentType
from langchain_experimental.agents.agent_toolkits import create_pandas_dataframe_agent
from langchain_openai import ChatOpenAI

import pandas as pd
from langchain_openai import OpenAI
df = pd.read_csv(
    "https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/titanic.csv"
)

使用 ZERO_SHOT_REACT_DESCRIPTION

这展示了如何使用 ZERO_SHOT_REACT_DESCRIPTION 代理类型初始化代理。

agent = create_pandas_dataframe_agent(OpenAI(temperature=0), df, verbose=True)

使用 OpenAI 函数

这展示了如何使用 OPENAI_FUNCTIONS 代理类型初始化代理。请注意，这是上述方法的另一种选择。

agent = create_pandas_dataframe_agent(
    ChatOpenAI(temperature=0, model="gpt-3.5-turbo-0613"),
    df,
    verbose=True,
    agent_type=AgentType.OPENAI_FUNCTIONS,
)

agent.invoke("有多少行？")

'There are 891 rows in the dataframe.'

agent.invoke("有多少人有超过 3 个兄弟姐妹？")

'30 people have more than 3 siblings.'

agent.invoke("平均年龄的平方根是多少？")

'The square root of the average age is 5.449689683556195.'

多数据框示例

接下来展示了代理如何与作为列表传入的多个数据框进行交互。

df1 = df.copy()
df1["Age"] = df1["Age"].fillna(df1["Age"].mean())

agent = create_pandas_dataframe_agent(OpenAI(temperature=0), [df, df1], verbose=True)
agent.invoke("年龄列中有多少行不同？")

'177 rows in the age column are different.'