1. 引言

Pandas是一個數據分析開源組件庫，提供了高性能、易用的數據結構和數據分析工具。它的核心的功能是其DataFrame對象，這是一個帶有行和列標簽的二維表格數據結構，支持缺失數據處理、時間序列功能、靈活的數據輸入輸出方法、數據對齊和分組操作等特性。

PandasAI則通過結合Pandas和生成式AI技術，使用戶能夠以自然語言與數據進行交互，從而簡化數據分析流程。它的核心目標是讓數據分析變得更直觀、高效，甚至無需編寫復雜代碼即可完成數據查詢、清洗、可視化等任務。

2. 詳述

Pandas進行數據分析的流程筆者不是很熟練，這里重點關注一個問題就是PandasAI如何連接現有的大模型比如DeepSeek來進行智能數據分析。

由于經驗不足，筆者在測試PandasAI的時候，將相關的組件都安裝在默認全局的Python環境中了，導致版本有點低，使用的是v2版本。現在普通推薦使用Anaconda這樣的工具安裝虛擬環境來進行Python的依賴管理。不過根據PandasAI官網文檔^[1]提示，PandasAI 3.0仍然是beta版本，并且推薦使用Poetry管理Python依賴。所以這里筆者也就沒有想升級到3.0，暫時先用穩定一定的2.X版本。

解決掉PandasAI 2.X的版本依賴問題之后，通過PandasAI連接DeepSeek進行智能數據分析的案例代碼實現如下：

import pandas as pd
from pandasai import SmartDataframe
from pandasai.llm.base import LLM
import requests

# 自定義DeepSeek大模型
class DeepSeekLLM(LLM):
    def __init__(self, api_url:str, api_key: str, model: str):
        super().__init__()
        self.api_url = api_url
        self.api_key = api_key
        self.model = model        


    def call(self, instruction, context: dict = None, **kwargs) -> str:  
        """
        PandasAI 用來向 LLM 模型發起請求的接口入口。

        Args:
            instruction (str): PandasAI 傳入的 prompt，可能是 string 或自定義對象，表示用戶的問題。
            context (dict, optional): 包含上下文信息（例如 DataFrame 元數據等），在部分 LLM 中可用。
            **kwargs: 保留接口向前兼容（比如未來增加其他參數時也能傳入）。

        Returns:
            str: 執行指令后的結果輸出。
        """

        # 把復雜的 Prompt 對象變成字符串
        if not isinstance(instruction, str):
            instruction = str(instruction)

        # 請求頭
        headers = {
            "Authorization": f"Bearer {self.api_key}",   # DeepSeek身份驗證
            "Content-Type": "application/json"
        }

        # 兼容 OpenAI 的 Chat Completion API的對話消息格式
        messages = [
            {
                "role": "system", # 設定 LLM 的行為
                "content": "You are a helpful AI assistant for data analysis."
            },
            {
                "role": "user",  # 是實際的問題
                "content": instruction
            }
        ]

        # 請求體
        payload = {
            "model": self.model,
            "messages": messages,
            "temperature": 0.0 # 值越低，回答的效果越穩定
        }

        # 發送post請求
        response = requests.post(self.api_url, headers=headers, json=payload)

        # 檢查返回狀態碼，如果不是 200 則報錯。
        if response.status_code != 200:
            raise Exception(f"DeepSeek API Error: {response.status_code}, {response.text}")

        # 解析返回結果
        result = response.json()
        return result["choices"][0]["message"]["content"]

    @property
    def type(self):
        return "deepseek-custom"

# Sample DataFrame
sales_by_country = pd.DataFrame({
    "country": ["United States", "United Kingdom", "France", "Germany", "Italy", "Spain", "Canada", "Australia", "Japan", "China"],
    "sales": [5000, 3200, 2900, 4100, 2300, 2100, 2500, 2600, 4500, 7000]
})

# 用自定義的 DeepSeek LLM
llm = DeepSeekLLM(
    api_url = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions",
    api_key="sk-xxx", 
    model="deepseek-r1")

df = SmartDataframe(sales_by_country, config={"llm": llm})

result = df.chat('列出銷售額最高的3個國家。')

print(result)

如代碼所示，關鍵的所在是需要自定義一個繼承自LLM的能夠連接DeepSeek的類DeepSeekLLM。其實PandasAI 2.X是可以使用提供了支持使用OpenAI的接口的，而連接DeepSeek的接口一般會兼容OpenAI。但是筆者嘗試了之后不行，不能傳入自定義的LLM地址。沒辦法只能自己自定義一個繼承自LLM的DeepSeekLLM類。

DeepSeekLLM類的關鍵就是call函數的實現，這是PandasAI用來向LLM模型發起請求的接口的入口。在這個函數實現中的關鍵就是通過兼容OpenAI的Chat API向自定義的DeepSeek服務發起post請求，具體的細節筆者已經在代碼中進行注釋，另外也可以查閱OpenAI API的相關文檔。這里的實現并沒有像《連接語言大模型（LLM）服務進行對話》一樣使用openai模塊或者LangChain框架，而是直接使用requests來發送HTTP請求，顯得更加底層一點，不過原理都差不多。

最終運行的結果如下所示：

country  sales
0          China   7000
0          China   7000
1  United States   5000
2          Japan   4500