autogen示例九：llamaindex的智能pandasai

        相信对于许多从事Python数据分析工作的小伙伴来说，大家都对尝试使用PandasAI所带来的智能化便捷性充满兴趣。然而，由于缺乏OpenAI的API密钥，许多人只能望洋兴叹，无法真正体验到这一技术带来的便利。

        现在有一种替代方案，可以让我们绕过这个限制，那就是使用LlamaIndex搭配本地部署的语言模型（LM），从而实现与PandasAI相似的功能。LlamaIndex是一个开源项目，它能够帮助用户构建索引并查询大型语言模型，从而使得数据查询变得更加智能和高效。具体的操作步骤和技术细节，可以参考LlamaIndex的官方文档：

Pandas Query Engine - LlamaIndex

        下面，我们直接来看一下如何通过简单的几行代码来实现这一功能：

1）安装依赖包+本地模型phi3

!pip install llama-index-experimental
!pip install llama-index
!pip install llama-index-llms-ollama

    安装本地phi3模型，怎么安装ollama请查看前面教程，这里不再赘述。

 ollama run phi3:3.8b

2）加载python包

import logging
import sys
import pandas as pd
from llama_index.llms.ollama import Ollama
from llama_index.experimental.query_engine import PandasQueryEngine

3）准备数据、配置模型：

        代码中llm = Ollama(model="phi3:3.8b", request_timeout=360)加载本地模型。

# 准备数据
df = pd.DataFrame(
    {
        "city": ["Toronto", "Tokyo", "Berlin"],
        "population": [2930000, 13960000, 3645000],
    }
)

## 构建LLM模型对象
llm = Ollama(model="phi3:3.8b", request_timeout=360)
# 创建查询引擎
query_engine = PandasQueryEngine(df=df, llm=llm, verbose=True, synthesize_response=True)

4）查询测试1：

# 查询最高人口数
response = query_engine.query(
    "哪个city的population最高 ?"
)
#print(str(response.metadata["pandas_instruction_str"]))
print(str(response.metadata["raw_pandas_output"]))

5）查询测试2：

# 查询平均数
response2 = query_engine.query(
    "平均population是多少 ?",
)
print(str(response2.metadata["raw_pandas_output"]))