tableqa的Python项目详细描述

在学习transfar 库模型时，看到一类Table Question Answering 模型，不清楚怎样用，就简单网上找了资料，网上一般都是论文，也没有时间仔细研究，就看到这个项目，不错先有个感性认识。

表QA

在表格数据上查询自然语言的工具，如csv，excel表格等

功能

• 支持从多个CSV进行检测
• 支持FuzzyString实现。i、 e、查询中不完整的csv值可以自动检测并填充到查询中。在
• 开放域名，无需培训。在
• 为自定义体验添加手动架构
• 在未提供架构的情况下自动生成架构
• 数据可视化

配置：

通过PIP安装：

pip install tableqa

从源安装：

git clone https://github.com/abhijithneilabraham/tableQA

cd tableqa

python setup.py install

快速启动

执行示例查询

from tableqa.agent import Agent
agent=Agent(df) #input your dataframe
response=agent.query_db("Your question here")
print(response)

从问题中获取SQL查询

^{pr2}$

添加手动模式

模式格式：

{
    "name": DATABASE NAME,
    "keywords":[DATABASE KEYWORDS],
    "columns":
    [
        {
        "name": COLUMN 1 NAME,
        "mapping":{
            CATEGORY 1: [CATEGORY 1 KEYWORDS],
            CATEGORY 2: [CATEGORY 2 KEYWORDS]
        }

        },
        {
        "name": COLUMN 2 NAME,
        "keywords": [COLUMN 2 KEYWORDS]
        },
        {
        "name": "COLUMN 3 NAME",
        "keywords": [COLUMN 3 KEYWORDS],
        "summable":"True"
        }
    ]
}

• 映射适用于那些值只有几个不同类的列。在
• 只包括需要有手动关键字或映射.Rest将自动生成。在
• summable包含在数值类型列中，这些列的值已经是计数表示。例如，Death Count,Cases等包含已经表示计数的值。在

示例（使用手动模式）：

数据库查询

from tableqa.agent import Agent
agent=Agent(df,schema) #pass the dataframe and schema objects
response=agent.query_db("how many people died of stomach cancer in 2011")
print(response)
#Response =[(22,)]

SQL查询

sql=agent.get_query("How many people died of stomach cancer in 2011")
print(sql)
#sql query: SELECT SUM(Death_Count) FROM cancer_death WHERE Cancer_site = "Stomach" AND Year = "2011"

多个CSV

分别传递包含csv和schema的目录的绝对路径。请参考cleaned_data和schema以获取示例。在

示例

csv_path="/content/tableQA/tableqa/cleaned_data"
schema_path="/content/tableQA/tableqa/schema"
agent=Agent(csv_path,schema_path)