breadcrumbs_delimiter هوش مصنوعی breadcrumbs_delimiter کشف قدرت PandasAI
هوش مصنوعی

کشف قدرت PandasAI

اردیبهشت 14, 1402 0010

PandasAI یک فناوری تغییردهنده بازی است که انقلابی در تجزیه و تحلیل داده ها و یادگیری ماشین ایجاد کرده است. این یک بسته دستکاری و تجزیه و تحلیل داده رایگان و منبع باز بر اساس زبان برنامه نویسی پایتون است. این کتابخانه شامل ابزارهای مختلفی برای کار با داده های ساختاریافته از جمله فریم ها و سری های داده است. PandasAI در بین دانشمندان داده و تحلیلگران به دلیل سادگی و سازگاری بسیار محبوب است.

پاندای پایتون، همانطور که همه ما می دانیم، یک جعبه ابزار منبع باز است که قابلیت دستکاری و تجزیه و تحلیل داده ها را برای برنامه نویسی پایتون فراهم می کند. این کتابخانه همه کاره برای دانشمندان و تحلیلگران داده یکی از ضروریات شده است.

با ساختارهای داده اولیه و در عین حال قدرتمند خود مانند Series و DataFrame، راه موثری برای مدیریت داده های ساخت یافته فراهم می کند.

PandasAI اغلب در مرحله پیش پردازش یادگیری ماشین و روش های یادگیری عمیق در زمینه هوش مصنوعی. پانداها به ترجمه مجموعه داده‌های خام به فرم‌های سازمان‌یافته و آماده کمک می‌کنند که می‌توانند با ارائه پاک‌سازی، شکل‌دهی، ادغام و تجمیع یکپارچه داده‌ها به الگوریتم‌های هوش مصنوعی وارد شوند.

در نتیجه، در کاهش زمان آماده‌سازی داده‌ها و سرعت بخشیدن به فرآیند توسعه هوش مصنوعی بسیار مهم است. حدس می‌زنم به همین دلیل “PandasAI” ایجاد شد.

pandasAI چیست؟

pandas ai

PandasAI برای استفاده در ارتباط با پانداها طراحی شده است. پانداها را به یک ابزار مکالمه تبدیل می‌کند که به شما امکان می‌دهد درباره داده‌های خود سؤال بپرسید و پاسخ‌ها را در قالب Pandas DataFrames دریافت کنید.

نصب

پانداسای نصب پیپ

اکنون وابستگی ها را وارد کنید:

وارد کردن پانداها به صورت pdf
از pandasai import PandasAI
از pandasai.llm.openai import OpenAI

ما با استفاده از پانداها یک دیتافریم ایجاد می‌کنیم:

شما می‌توانید از PandasAI بخواهید که تمام ردیف‌های یک DataFrame با مقدار ستون بزرگ‌تر از 5 را کشف کند و یک DataFrame حاوی فقط آن ردیف‌ها را برمی‌گرداند.

df = pd.DataFrame({
    "کشور": ["ایالات متحده"، "بریتانیا"، "فرانسه"، "آلمان"، "ایتالیا"، "اسپانیا"، "کانادا"، "استرالیا"، "ژاپن"، "چین"]،
    "Gdp": [21400000، 2940000، 2830000، 3870000، 2160000، 1350000، 1780000، 1320000، 516000، 14000000]
    "شاخص_خوشبختی": [7.3، 7.2، 6.5، 7.0، 6.0، 6.3، 7.3، 7.3، 5.9، 5.0]
})

llm را تنظیم کنید (در این مورد OpenAI). حتماً کلید API را با کلید OpenAI API خود جایگزین کنید.

اما، برای استفاده از این کتابخانه جدید در بازار، به یک کلید OpenAI نیاز دارید و برای هر درخواست باید هزینه کمی با استفاده از کلید OpenAI خود بپردازید.

OPENAI_API_KEY = "کلید API شما"
llm = OpenAI(api_token=OPENAI_API_KEY)

سپس Pandas AI را با مدل زبان بزرگ ارائه شده نمونه‌سازی می‌کنیم و آن را اجرا می‌کنیم و چارچوب داده و فرمان را ارسال می‌کنیم.

pandas_ai = PandasAI(llm)
pandas_ai.run(df, prompt='5 شادترین کشور کدامند؟')
پنج کشور برتر شاد عبارتند از: ایالات متحده، کانادا، استرالیا، بریتانیا، و آلمان.

بنابراین، برای کسانی که با دستکاری/تبدیل پایتون یا پاندا آشنا نیستند، این یک روش جدید برنامه نویسی با دیتافریم است.

جهانی را در نظر بگیرید که در آن، به‌جای برنامه‌ریزی کار در دست، به طور مجازی با ماشین صحبت می‌کنید و به آن می‌گویید که می‌خواهید نتیجه چه باشد. رایانه این پیام را به کد قابل خواندن توسط ماشین تبدیل می کند و خروجی را در اختیار شما قرار می دهد.

می‌توانید نموداری را نیز نشان دهید، برای مثال:

pandas_ai.run(df، "هیستوگرام کشورها را ترسیم کنید که برای هر gpd نشان می دهد، با استفاده از رنگ های مختلف برای هر کدام نوار")
Pandas AI

این مقاله به شما کمک می‌کند تا با هوش مصنوعی پاندا آشنا شوید. ما اطمینان داریم که برای شما مفید بوده است. لطفاً نظرات و انتقادات خود را در بخش نظرات زیر به اشتراک بگذارید.

به این نوشته امتیاز بدهید!

افراد نیوز

افراد نیوز

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

  • ×