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

AgentExecutor

Examples using create_pandas_dataframe_agent