Librerie python basate su LLM
Nuove librerie python stanno emergendo per facilitare l’interazione tra i LLM e i dati strutturati (come database SQL, file CSV, API RESTful, ecc.). Queste librerie consentono di utilizzare il linguaggio naturale per eseguire query sui dati, generare rapporti e analizzare le informazioni, abbassando la barriera per l’accesso ai dati complessi.
La comunità open-source è molto attiva nello sviluppo e nella condivisione di queste nuove librerie e di strumenti basati su LLM. Questo crea un ecosistema dinamico dove le idee e le soluzioni innovative si diffondono rapidamente. Le librerie basate su LLM possono automatizzare compiti ripetitivi e complessi, migliorando la produttività degli sviluppatori. Ad esempio, possono generare codice, documentazione, test unitari, e rispondere a domande complesse sui dati, riducendo il tempo necessario per svolgere queste attività manualmente.

Le API standardizzate e le documentazioni dettagliate permettono agli sviluppatori di implementare rapidamente le funzionalità di LLM senza dover essere esperti in intelligenza artificiale.
PandasAI
PandasAI è una libreria di Python che integra l’intelligenza artificiale con Pandas per eseguire operazioni di analisi dati in modo più intuitivo e automatizzato. Con PandasAI, puoi usare il linguaggio naturale per interagire con i tuoi DataFrame Pandas, semplificando molte operazioni comuni di analisi dei dati.
Ecco alcune delle funzionalità principali di PandasAI:
Puoi fare domande al tuo DataFrame usando il linguaggio naturale e PandasAI interpreterà e eseguirà la query.
PandasAI può generare codice Pandas automaticamente in base alla tua descrizione del problema.
Può creare automaticamente grafici e visualizzazioni basate sui dati e sulle domande poste.
Può eseguire operazioni di pulizia, trasformazione e aggregazione dei dati senza dover scrivere manualmente il codice.
Questa libreria è particolarmente utile per analisti e scienziati dei dati che vogliono semplificare il processo di analisi ed esplorazione dei dati.

Esempio di codice python
Installa pandasai (pip install pandasai)
import os
import pandas as pd
from pandasai import Agent
# DataFrame di esempio
sales_by_country = pd.DataFrame({
"country": ["United States", "United Kingdom", "France", "Germany", "Italy", "Spain", "Canada", "Australia", "Japan", "China"],
"revenue": [5000, 3200, 2900, 4100, 2300, 2100, 2500, 2600, 4500, 7000]
})
# Imposta la chiave API da attivare sul sito ufficiale della libreria
os.environ["PANDASAI_API_KEY"] = "YOUR_API_KEY"
# Crea un agente PandasAI
agent = Agent(sales_by_country)
# Esegui una query utilizzando l'agente
response = agent.chat('Which are the top 5 countries by sales?')
print(response)
Dataframe importato da un file CSV
import os
import pandas as pd
from pandasai import Agent
# Percorso del file CSV
csv_file_path = 'dati.csv'
# Importa il dataset dal file CSV
sales_data = pd.read_csv(csv_file_path)
# Imposta la chiave API da attivare sul sito ufficiale della libreria
os.environ["PANDASAI_API_KEY"] = "YOUR_API_KEY"
# Crea un agente PandasAI
agent = Agent(sales_data)
# Esegui una query utilizzando l'agente
response = agent.chat('Crea un istogramma che mostri le vendite per ogni città')
print(response)