langchain_experimental.agents.agent_toolkits.pandas.base
.create_pandas_dataframe_agent¶
- langchain_experimental.agents.agent_toolkits.pandas.base.create_pandas_dataframe_agent(llm: Runnable[Union[PromptValue, str, Sequence[Union[BaseMessage, List[str], Tuple[str, str], str, Dict[str, Any]]]], Union[BaseMessage, str]], df: Any, agent_type: Union[AgentType, Literal['openai-tools', 'tool-calling']] = AgentType.ZERO_SHOT_REACT_DESCRIPTION, callback_manager: Optional[BaseCallbackManager] = None, prefix: Optional[str] = None, suffix: Optional[str] = None, input_variables: Optional[List[str]] = None, verbose: bool = False, return_intermediate_steps: bool = False, max_iterations: Optional[int] = 15, max_execution_time: Optional[float] = None, early_stopping_method: str = 'force', agent_executor_kwargs: Optional[Dict[str, Any]] = None, include_df_in_prompt: Optional[bool] = True, number_of_head_rows: int = 5, extra_tools: Sequence[BaseTool] = (), engine: Literal['pandas', 'modin'] = 'pandas', **kwargs: Any) AgentExecutor [source]¶
从LLM和数据框构建一个Pandas代理。
- 参数:
llm:用于代理的语言模型。如果agent_type为“tool-calling”,则期望llm支持工具调用。 df:Pandas数据框或Pandas数据框列表。 agent_type:其中之一“tool-calling”,“openai-tools”,“openai-functions”或“zero-shot-react-description”。默认为“zero-shot-react-description”。“tool-calling”推荐用于传统的“openai-tools”和“openai-functions”类型。 callback_manager:已弃用。将“callbacks”键传递到’agent_executor_kwargs’中,以将构造函数回调传递给AgentExecutor。 prefix:提示前缀字符串。 suffix:提示后缀字符串。 input_variables:已弃用。从构造的提示中自动推断输入变量。 verbose:AgentExecutor的详细程度。 return_intermediate_steps:传递给AgentExecutor init。 max_iterations:传递给AgentExecutor init。 max_execution_time:传递给AgentExecutor init。 early_stopping_method:传递给AgentExecutor init。 agent_executor_kwargs:任意额外的AgentExecutor参数。 include_df_in_prompt:是否在提示中包含前number_of_head_rows个。如果suffix不是None,则必须为None。 number_of_head_rows:如果include_df_in_prompt为True,则包含在提示中的初始行数。 extra_tools:除PythonAstREPLTool之外提供给代理的额外工具。 engine:其中之一“modin”或“pandas”。默认为“pandas”。 **kwargs:已弃用。不使用,仅为向后兼容而保留。
- 返回:
具有指定agent_type代理和访问DataFrame(s)和任何用户提供的额外工具的PythonAstREPLTool的AgentExecutor。
- 示例:
from langchain_openai import ChatOpenAI from langchain_experimental.agents import create_pandas_dataframe_agent import pandas as pd df = pd.read_csv("titanic.csv") llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0) agent_executor = create_pandas_dataframe_agent( llm, df, agent_type="tool-calling", verbose=True )
- Parameters
llm (Runnable[Union[PromptValue, str, Sequence[Union[BaseMessage, List[str], Tuple[str, str], str, Dict[str, Any]]]], Union[BaseMessage, str]]) –
df (Any) –
agent_type (Union[AgentType, Literal['openai-tools', 'tool-calling']]) –
callback_manager (Optional[BaseCallbackManager]) –
prefix (Optional[str]) –
suffix (Optional[str]) –
input_variables (Optional[List[str]]) –
verbose (bool) –
return_intermediate_steps (bool) –
max_iterations (Optional[int]) –
max_execution_time (Optional[float]) –
early_stopping_method (str) –
agent_executor_kwargs (Optional[Dict[str, Any]]) –
include_df_in_prompt (Optional[bool]) –
number_of_head_rows (int) –
extra_tools (Sequence[BaseTool]) –
engine (Literal['pandas', 'modin']) –
kwargs (Any) –
- Return type