[利用E2B沙盒环境进行安全高效的数据分析，揭秘其强大功能]-CSDN博客

本文链接：https://blog.csdn.net/mmlihaio/article/details/142665532

引言

在大数据时代，如何安全高效地执行代码和进行数据分析是许多开发者面临的挑战。E2B提供的云环境不仅为大规模语言模型（LLMs）提供了理想的运行时沙盒，还可以用于高级数据分析。本文将介绍如何利用E2B的Data Analysis沙盒来上传文件、执行分析并生成可视化图表，帮助你在安全的环境中完成数据分析任务。

主要内容

E2B Data Analysis 沙盒的功能

E2B的Data Analysis沙盒具有以下功能：

执行Python代码
通过matplotlib生成图表
动态安装Python和系统包
执行Shell命令
上传和下载文件

这些特性使得E2B成为开发代码解释器和高级数据分析工具的理想选择。

初始化环境

首先，需要获取OpenAI和E2B的API密钥并将其设置为环境变量。然后安装所需的库：

%pip install --upgrade --quiet langchain e2b langchain-community

引入必要的模块：

import os
from langchain.agents import AgentType, initialize_agent
from langchain_openai import ChatOpenAI
from langchain_community.tools import E2BDataAnalysisTool

os.environ["E2B_API_KEY"] = "<E2B_API_KEY>"
os.environ["OPENAI_API_KEY"] = "<OPENAI_API_KEY>"

实现代码

下面是一个利用E2B沙盒分析上传CSV文件的示例代码：

def save_artifact(artifact):
    print("New matplotlib chart generated:", artifact.name)
    file = artifact.download()
    basename = os.path.basename(artifact.name)
    with open(f"./charts/{basename}", "wb") as f:
        f.write(file)

e2b_data_analysis_tool = E2BDataAnalysisTool(
    env_vars={"MY_SECRET": "secret_value"},
    on_stdout=lambda stdout: print("stdout:", stdout),
    on_stderr=lambda stderr: print("stderr:", stderr),
    on_artifact=save_artifact,
)

with open("./netflix.csv") as f:
    remote_path = e2b_data_analysis_tool.upload_file(
        file=f,
        description="Data about Netflix TV shows including their title, category, director, release date, casting, age rating, etc.",
    )
    print(remote_path)

tools = [e2b_data_analysis_tool.as_tool()]
llm = ChatOpenAI(model="gpt-4", temperature=0)
agent = initialize_agent(
    tools,
    llm,
    agent=AgentType.OPENAI_FUNCTIONS,
    verbose=True,
    handle_parsing_errors=True,
)

agent.run(
    "What are the 5 longest movies on netflix released between 2000 and 2010? Create a chart with their lengths."
)