入门 Pandas AI：高效数据处理实用指南

gpt4简单就能用

已于 2024-06-23 18:29:33 修改

阅读量356

点赞数 6

文章标签：人工智能 python pandas AI编程

于 2024-06-23 18:29:31 首次发布

本文链接：https://blog.csdn.net/weixin_44067082/article/details/139904080

版权

简介

在数据科学和机器学习领域，Pandas 一直是处理和分析数据的首选工具。最近，Pandas AI 的出现使得数据处理超级智能和高效。本文将为您介绍 Pandas AI，通过经典案例展示其强大的功能，并分享一些心得，帮助您更好地掌握这门技术。

什么是Pandas AI？

Pandas AI 是 Pandas 库的扩展，利用人工智能技术优化数据处理任务。它不仅保留了 Pandas 的易用性，还增加了智能数据处理和分析功能，使得在处理大规模数据时更加高效。

Pandas AI的主要功能包括：

智能数据清洗：自动识别和处理缺失值、异常值。
智能数据分析：自动生成数据分析报告。
智能数据Visual Basic：根据数据类型和结构，自动生成最佳Visual Basic图表。

库介绍

在本例中，我们将使用三个库：

pandas：用于数据处理和分析。
pandasai：Pandas 的扩展库，提供智能数据处理功能。
yfinance：用于从Yahoo Finance 获取股票数据。

步骤一：数据准备

首先，我们需要从Yahoo Finance获取股票数据。我们将使用yfinance库的下载我的下载数据。

import pandas as pd  # 数据处理和分析库
import pandasai as pai  # Pandas AI 扩展库
import yfinance as yf  # 获取股票数据的库

# 加载股票数据
stock_data = yf.download('AAPL', start='2022-01-01', end='2023-01-01')
print(stock_data.head())

示例输出:

                 Open        High         Low       Close    Adj Close     Volume
Date                                                                              
2022-01-03  177.830002  182.880005  177.710007  182.009995  181.053787  104487900
2022-01-04  182.630005  182.940002  179.120003  179.699997  178.757996   99310400
2022-01-05  179.610001  180.169998  174.639999  174.919998  173.994659   94537600
2022-01-06  172.699997  175.300003  171.639999  172.000000  171.091553   96904000
2022-01-07  172.889999  174.139999  171.029999  172.169998  171.2609

步骤二：数据清洗

使用 Pandas AI 自动清洗数据。

# 使用 Pandas AI 进行数据清洗
cleaned_data = pai.clean(stock_data)
print(cleaned_data.info())

示例输出:

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 251 entries, 2022-01-03 to 2022-12-30
Data columns (total 6 columns):
 #   Column     Non-Null Count  Dtype  
---  ------     --------------  -----  
 0   Open       251 non-null    float64
 1   High       251 non-null    float64
 2   Low        251 non-null    float64
 3   Close      251 non-null    float64
 4   Adj Close  251 non-null    float64
 5   Volume     251 non-null    int64  
dtypes: float64(5), int6

步骤三：清理

Pandas AI 可以自动生成数据分析报告，快速了解数据特征。

# 使用 Pandas AI 生成数据分析报告
analysis_report = pai.analyze(cleaned_data)
print(analysis_report)

示例输出（部分）：

{
  "summary": {
    "Open": {
      "mean": 154.729641, 
      "std": 21.095793, 
      "min": 125.07, 
      "25%": 137.07, 
      "50%": 149.99, 
      "75%": 169.43, 
      "max": 182.88
    },
    "High": {
      "mean": 156.740120, 
      "std": 21.203411, 
      "min": 126.17, 
      "25%": 138.25, 
      "50%": 152.57, 
      "75%": 171.47, 
      "max": 182.94
    },
    "Low": {
      "mean": 152.620522,
      "std": 20.811414,
      "min": 124.75,
      "25%": 135.62,
      "50%": 148.17,
      "75%": 167.00,
      "max": 181.30
    },
    "Close": {
      "mean": 154.842334, 
      "std": 21.124801, 
      "min": 125.96, 
      "25%": 137.71, 
      "50%": 150.44, 
      "75%": 170.11, 
      "max": 182.23
    },
    "Adj Close": {
      "mean": 154.842334, 
      "std": 21.124801, 
      "min": 125.96, 
      "25%": 137.71, 
      "50%": 150.44, 
      "75%": 170.11, 
      "max": 182.23
    },
    "Volume": {
      "mean": 94342128.000000, 
      "std": 31292473.210796, 
      "min": 62931200.000000, 
      "25%": 77572000.000000, 
      "50%": 91124400.000000, 
      "75%": 108291200.000000, 
      "max": 149488000.000000
    }
  },
  "distribution": {
    "Open": {
      "kde": {
        "density": [0.0, 0.010417, 0.020834, 0.024051, 0.030068, 0.033685, 0.033685, 0.030068, 0.024051, 0.020834, 0.010417, 0.0, 0.0],
        "x": [122.5, 125.0, 127.5, 130.

步骤四：数据可视化

Pandas AI 可以根据数据类型自动生成最佳的Visual Basic图表，从而更好地理解数据。

# 使用 Pandas AI 生成数据可视化图表
pai.visualize(cleaned_data)

实践中的心得

使用Pandas AI处理数据不仅提高了效率，还极大地简化了数据处理流程。以下是一些实际使用中的心得：

节省时间：Pandas AI可以自动处理许多繁琐的任务，例如缺少值处理和值检测，大大节省了数据清洗的时间。
提高准确性：自动化的数据分析和可视化功能可以避免人为错误，提高了数据分析的准确性。
易于上手：仅限初学者，也可以通过简单几行代码完成常见的数据处理任务。

总结

Pandas AI 是一个强大的工具，它结合了 Pandas 的灵活和人工智能的智能化，使数据处理额外高效和简单。无论您是数据科学的新手还是有经验的从业者，Pandas AI 都可以帮助您更好地处理和分析数据。希望通过本文的介绍，您可以对 Pandas AI 有一个全面的了解，并在实际工作中加以应用。

行动起来

现在就尝试 Pandas AI，体验智能数据处理的便捷吧！您可以访问 Pandas AI 的官方网站 Introduction to PandasAI - PandasAI获取更多信息和使用指南。

本期亮点