【langchain学习】使用PandasDataFrameOutputParser对DataFrame进行数据处理

介绍如何使用Langchain结合ChatGLM对Pandas DataFrame进行数据处理。以下是具体步骤和代码示例：

1. 导入所需库：

   from config.chatglm_config import llm_glm4 import pprint from typing import Any, Dict import pandas as pd from langchain.output_parsers import PandasDataFrameOutputParser from langchain.prompts import PromptTemplate 

2. 格式化解析器输出函数：

   def format_parser_output(parser_output: Dict[str, Any]) -> None:     for key in parser_output.keys():         parser_output[key] = parser_output[key].to_dict()     return pprint.PrettyPrinter(width=4, compact=True).pprint(parser_output) 

3. 定义Pandas DataFrame：

   df = pd.DataFrame(     {         "num_legs": [2, 4, 8, 0],         "num_wings": [2, 0, 0, 0],         "num_specimen_seen": [10, 2, 1, 8],     } ) 

4. 设置解析器和提示模板：

   parser = PandasDataFrameOutputParser(dataframe=df) df_query = "检索 num_wings 列。" prompt = PromptTemplate(     template="回答用户查询。\n{format_instructions}\n{query}\n",     input_variables=["query"],     partial_variables={"format_instructions": parser.get_format_instructions()}, ) 

5. 执行链操作：

   chain = prompt | llm_glm4 | parser parser_output = chain.invoke({"query": df_query}) format_parser_output(parser_output) 

6. 得到结果：

{'num_wings': {0: 2,                1: 0,                2: 0,                3: 0}}  Process finished with exit code 0