Skip to content

lab2.dev is launched! Build python web apps with plain English, no code required.

기사
Pandas AI: 대화형 AI로 데이터 분석 변화시키기

Pandas AI: 대화형 AI로 데이터 분석 변화시키기

Rajiv Chandra
Name
Rajiv Chandra

Updated on

인공지능(AI)은 데이터 분석을 비롯한 여러 분야에 큰 영향을 미쳤습니다. 이 중 하나인 Pandas AI는 대화형 AI 기능을 Pandas, 인기 있는 데이터 조작 및 분석 도구에 원활하게 통합해줍니다. 이 고유한 도구는 데이터 프레임의 대화형 기능을 제공하여 데이터 과학자 및 분석가들이 데이터와 상호작용하는 방식을 혁신합니다.

이 글에서는 Pandas AI의 주요 기능, 사용 방법 및 데이터 분석 세계에 미칠 잠재적인 영향에 대해 다룹니다. 더 자세한 정보와 최신 업데이트는 GitHub 저장소 (opens in a new tab)를 방문하십시오.

📚

    Pandas AI란 무엇인가요?

    Pandas AI는 데이터 분석 라이브러리인 Pandas의 기능을 보조하는 Python 라이브러리입니다. 이를 통해 생성적 AI 기능을 도입하여 데이터 프레임을 대화형으로 만듭니다. 수많은 데이터를 수동으로 검색하지 않고 데이터셋에 직접 질문을 할 수 있으며 즉각적인 응답을 받을 수 있습니다.

    이 기능은 여러 가지 이점을 제공합니다.

    1. 데이터 분석 단순화: Pandas AI를 사용하면 데이터 과학자는 데이터셋과 직접 상호작용하여 데이터 준비에 소요되는 시간을 최소화하고 효율성을 극대화할 수 있습니다.

    2. 대화형 경험: 데이터셋과 대화하는 기능은 즉각적인 피드백과 통찰력을 제공하여 사용자 경험을 향상시킵니다.

    3. 교체가 아닌 보완: Pandas AI는 Pandas 라이브러리의 대체물이 아니며 더 정교한 데이터 분석을 용이하게 만드는 추가 기능일 뿐입니다.

    Pandas AI를 사용하는 방법은 무엇인가요?

    Pandas AI를 사용하려면 다음과 같은 단계를 따르면 됩니다.

    단계 1: 설치

    먼저 Pandas AI 라이브러리를 설치해야 합니다. 이 작업은 Python 패키지 설치 프로그램인 pip를 사용하여 쉽게 수행할 수 있습니다.

    pip install pandasai

    단계 2: 라이브러리 및 데이터셋 가져오기

    다음으로 필요한 라이브러리를 가져와 데이터셋을 준비해야 합니다. 다음은 간단한 데이터프레임을 만드는 방법 예시입니다.

    import pandas as pd
from pandasai import PandasAI
from pandasai.llm.openai import OpenAI
 
## Sample DataFrame
df = pd.DataFrame({
    "country": ["미국", "영국", "프랑스", "독일", "이탈리아", "스페인", "캐나다", "호주", "일본", "중국"],
    "gdp": [19294482071552, 2891615567872, 2411255037952, 3435817336832, 1745433788416, 1181205135360, 1607402389504, 1490967855104, 4380756541440, 14631844184064],
. 프론트매터가 있다면 번역해야 합니다. 프론트매터의 `language` 매개변수도 한국어로 번역해주세요.

    "happiness_index": [6.94, 7.16, 6.66, 7.07, 6.38, 6.4, 7.23, 7.22, 5.87, 5.12] })

    
### 단계 3: 모델 실행

이제 데이터셋이 준비되었으므로, Pandas AI를 사용하여 OpenAI 모델을 실행할 수 있습니다. 이를 위해서는 우선 OpenAI API 키로 Language Learning Model (LLM)을 인스턴스화해야 합니다. 그런 다음 `run` 메소드를 사용하여 DataFrame과 프롬프트를 인수로 사용하여 모델을 실행할 수 있습니다.

```python
llm = OpenAI(api_token="your_API_key")
pandas_ai = PandasAI(llm)
pandas_ai.run(df, prompt='Which are the 5 happiest countries?')

    모델 실행 후, 결과로 DataFrame을 받게 되며, 이는 쿼리 결과를 포함하게 됩니다. 예를 들어, 위 코드 스니펫은 DataFrame에서 가장 행복한 5개의 나라를 반환합니다.

    Pandas AI의 고급 기능

    최근에 개발되었음에도 불구하고, Pandas AI는 데이터의 간단한 질문에 대한 답변 도구가 아닙니다. 이 도구는 더 복잡한 쿼리, 계산 및 데이터 시각화를 수행하는 고급 기능을 갖추고 있습니다. 이어지는 섹션에서는 이러한 기능에 대해 자세히 살펴보며, Pandas AI의 능력과 잠재력을 더욱 풍부하게 이해해 보겠습니다.

    복잡한 쿼리 처리

    Pandas AI의 자연어 처리(NLP) 기능은 데이터셋에 관한 간단한 질문에 대한 답변을 넘어서며, 복잡한 쿼리를 처리할 수 있습니다. 이 도구는 여러 단계 또는 추가 라이브러리를 필요로 할 수 있는 전통적인 쿼리를 처리할 수 있습니다.

    예를 들어, 그룹 연산을 수행한 다음 어떤 형태의 집계를 수행하려는 시나리오를 고려해 보십시오. 기존의 Pandas에서 이런 작업을 수행하려면 groupby 함수를 사용한 다음 집계 방법을 적용해야 합니다. 그러나 Pandas AI를 사용하면 이를 단일하고 간단한 질문으로 구분할 수 있습니다.

    pandas_ai.run(df, prompt='What is the average GDP for each country?')

    이 도구는 질문의 문맥을 이해하고 의도를 해석하며, 필요한 코드를 실행하여 답을 생성합니다. 이 접근 방식은 여러 줄의 코드가 필요한 경우를 줄이고, 가능한 오류를 최소화하여 작업 흐름을 크게 단순화할 수 있습니다.

    수학적 계산

    Pandas AI의 복잡성 기능은 데이터셋 쿼리에만 머무르지 않으며, 수학적 계산도 수행할 수 있습니다. 이 도구는 내장된 AI를 사용하여 질문의 문맥을 이해하고 필요한 수학 연산을 수행하여 원하는 결과를 제공합니다.

    예를 들어, 각 나라의 GDP 대 행복 지수 비율을 계산하려는 경우 수동으로 나눗셈 연산을 작성하는 대신 Pandas AI에게 이를 수행하도록 할 수 있습니다:

    pandas_ai.run(df, prompt='What is the ratio of GDP to happiness index for each country?')

    Pandas AI는 백그라운드에서 필요한 작업을 식별하여 질문에 대한 답변을 생성합니다. 데이터셋과 질문을 이해하는 스마트 계산기와 같은 느낌입니다!

    데이터 시각화

    Pandas AI의 가장 흥미로운 기능 중 하나는 데이터 시각화를 수행할 수 있다는 점입니다. 이 도구를 사용하면 데이터를 시각화하기 위해 지루한 matplotlib 또는 seaborn 코드를 작성할 필요가 없습니다. 대신 Pandas AI에게 그래프를 생성하도록 요청할 수 있습니다.

    예를 들어, 데이터셋의 각 나라의 GDP를 나타내는 히스토그램을 생성하려는 경우, 전통적인 데이터 분석에서는 여러 줄의 코드 및 플로팅 함수의 여러 매개변수를 이해해야 합니다. 그러나 Pandas AI를 사용하면 다음과 같이 질문하는 것만으로 이 모든 과정이 단순화됩니다.

    pandas_ai.run(df, prompt='Plot the histogram of GDP for each country.')

    Pandas AI는 요청을 이해하고 각 나라의 GDP를 나타내는 히스토그램을 생성합니다. 이는 데이터 시각화 프로세스를 크게 단순화하여 초보 분석가조차 의미 있는 그래프를 생성하고 데이터에서 인사이트를 얻을 수 있게 해줍니다.

    언어 학습 모델 (LLM) 지원

    . 프론트 매터가 있다면 번역해야 합니다. 프론트 매터에 있는 language 매개변수도 한국어로 번역해주세요. Pandas AI는 호환성을 고려하여 설계되었습니다. 앞으로 다양한 언어 학습 모델(LLM)과 통합될 예정으로, 기능과 적응성을 확장할 것입니다. 이는 AI 기술이 개선되고 더욱 고급화된 LLM이 개발될수록 Pandas AI가 이러한 발전을 활용해 기능을 더욱 개선할 수 있음을 의미합니다.

    Pandas AI 개발팀은 커뮤니티 피드백을 개발 프로세스에 반영하기 위해 노력하고 있습니다. Pandas AI에서 사용할 수 있는 LLM 목록을 확장하고 있으며, 이 도구에 대한 더욱 밝은 미래를 약속합니다.

    데이터 시각화를 위한 Pandas AI 대안인 VizGPT

    VizGPT는 또 다른 AI 기반 데이터 시각화 도구로, 코드를 작성하지 않고 데이터 시각화를 생성할 수 있습니다.

    VizGPT를 사용하여 데이터 시각화하기 (opens in a new tab)

    VizGPT는 데이터를 이해하고 데이터에 대한 설명에 따라 시각화를 생성할 수 있습니다. ChatGPT의 편리함과 효율성을 더욱 확장하여 보다 복잡하고 상세하며 사용자 정의 가능한 시각화를 생성할 수 있습니다. 예를 들어, VizGPT에 CSV 파일을 업로드하고 채팅하면 간단하게 히트맵을 생성할 수 있습니다.

    VizGPT를 사용하여 히트맵 만들기 (opens in a new tab)

    VizGPT를 사용하면 데이터 시각화에 거의 무제한 가능성이 있습니다. 코딩 기술과 관계없이 누구나 데이터 분석 및 시각화를 보다 쉽게 접근할 수 있도록 하는 한 걸음입니다. 그래서 어떠세요? VizGPT.ai (opens in a new tab)를 방문하여 시작해보세요.

    VizGPT (opens in a new tab)

    결론

    Pandas AI는 기존의 데이터 분석 도구에서 누락되었던 상호작용성의 층위를 제공함으로써 데이터 분석을 혁신하고 있습니다. 복잡한 쿼리에 대한 답변, 수학 계산, 데이터 시각화 생성 및 다양한 LLM 지원 기능 등이 전통적인 데이터 분석 라이브러리와는 구별되는 기능입니다.

    그러나 Pandas AI는 전통적인 프로그래밍 또는 Pandas 자체를 대체할 수는 없습니다. 데이터 분석을 단순화하고 생산성을 향상시키는 상호작용 층위를 제공하여 보완적인 역할을 합니다. 경험이 풍부한 데이터 과학자든 초보자든, Pandas AI는 데이터 분석 도구킷에 귀중한 도구가 될 수 있습니다.

    더 자세한 정보와 최신 업데이트는 Pandas AI GitHub 리포지토리 (opens in a new tab)를 방문하십시오.

    📚
      OpenAI 함수 호출: 시작하기 위한 예제Pandas 데이터프레임 병합, 조인 및 연결하는 방법