这也太刑了！ Python+AI Agent 办公自动化实战：让表格自己动起来

2601_96229809

175人浏览 · 2026-09-05 01:03:08

2601_96229809 · 2026-09-05 01:03:08 发布

PandasAI_Python业务自动化_Python AI Agent

你还在手搓吗？

周五下午四点的时候, 老板忽然扔给你三张杂乱无章的Excel表格, 说道: “小王, 把这几个表格之中的销售数据进行合并, 计算出本季度的Top 5爆款, 然后按照地区绘制一幅增长趋势图, 在下班之前交给我。”。

传统做法：

点开 Excel, 进行数据清洗, 查找百度怎么样使用, 制作透视表, 调整图表颜色, 之后电脑死机, 导致心态崩了。

AI Agent 做法：

将这个表格递给, 朝着它讲: “替在下妥善处理, 绘制一幅图。”接着呢, 喝上一口水, 如此便完成了这件事句号。

今儿, 不讲乏味枯燥的原理, 径直带你借助（智能体）塑造一个“对话式”办公自动化的神奇工具。无需繁杂的逻辑, 甚而不要求你熟练精通, + AI代理只要会讲人话, 便能够做数据分析！

️ 核心技术栈：

对我们而言, 并非要从起始点开始着手训练大型模型, 并且也不是非得去撰写几百行代码, 我们所采用的是一个专门针对数据分析情形而产生的库:

它能够使得 LLM, 也就是那个大模型, 间接“领会”你的, 就是数据表, 接着自动生成代码, 在后台予以执行。

你需要准备：

格式为环境API Key （或者、km 等支持格式的key）, 第一步是环境安装。

打开终端（），输入一行命令：

    pip install pandasai pandas matplotlib

PandasAI_Python AI Agent_Python业务自动化

实战演示：让数据“听懂”人话

设若我们存有一个销售表格, 其当中蕴含着: 日期, 产品, 地区, 销售额, 销售员。.csv。

1. 极简初始化代码（核心代码不到 10 行）

新建一个文件：agent.py

    import pandas as pd
from pandasai import SmartDataframe
from pandasai.llm import OpenAI
# 1. 设置 LLM (这里以 DeepSeek 为例，便宜好用，也可以换成 GPT)
# 如果是 OpenAI，只需 api_token="sk-xxxx"
llm = OpenAI(
    api_token="你的_API_KEY", 
    base_url="https://api.deepseek.com/v1",  # 替换为你使用的模型厂商地址
    model="deepseek-chat"
)
# 2. 读取你的 Excel 或 CSV 文件
df = pd.read_csv("sales_data.csv") # 或者 pd.read_excel("data.xlsx")
# 3. 把数据装进 AI 智能体
agent = SmartDataframe(df, config={"llm": llm})
# 4. 开始你的表演
print("---- AI Agent 已就位 ----")
while True:
    query = input("\n请输入你的需求 (输入 'q' 退出): ")
    if query == 'q':
        break
    
    # AI 思考并执行
    response = agent.chat(query)
    print(f"AI 回复: {response}")

见证奇迹的时刻

把代码运行起来，我们看看这个 Agent 能做什么？

场景一：自然语言清洗数据

你输入：

把“销售额”这一列当中的空值, 填补成0, 还要删除“地区”为空的那些行。

后台自动生成代码的是 AI Agent, , 你看不到这些, 但它实实在在做了这件事情呢, 代码就是这么产生的。

    df['销售额'] = df['销售额'].fillna(0)
df = df.dropna(subset=['地区'])

结果：表格瞬间干净了，不需要你手动筛选！

场景二：复杂的透视分析

你输入：

“算算

AI Agent 回复：

地区销售额统计如下...

Top 3 销售员是：李雷、韩梅梅、张三。

痛点解决：以前这需要做两个透视表，现在只需要一句话。

场景三：自动画图（最炸裂的功能）

你输入：

分别按照月份去统计销售的趋势, 并且帮我绘制出一个折线图, 折线图中线条的颜色使用红色, 折线图的标题设定为‘2024搞钱趋势’。

结果：

系统会直接弹出一个图表窗口, 此窗口格式堪称完美, 就连标题都已然给你写好了！

(此处文章配图：一张生成的折线图，显得非常专业)

进阶玩法：打造图形化界面 ()

即便那黑底白字的看起来很酷的命令行, 然而一旦你打算发给那些对代码并不了解的同事去使用, 那么我们能够添加一个壳。

使用，再加 10 行代码，直接变成 Web App！

    import streamlit as st
import pandas as pd
from pandasai import SmartDataframe
from pandasai.llm import OpenAI
st.title(" 我的私人 AI 数据分析师")
uploaded_file = st.file_uploader("上传你的 Excel/CSV 表格", type=['csv', 'xlsx'])
if uploaded_file is not None:
    # 读取文件
    if uploaded_file.name.endswith('.csv'):
        df = pd.read_csv(uploaded_file)
    else:
        df = pd.read_excel(uploaded_file)
    
    st.write(" 数据预览：", df.head())
    
    # 设置 LLM
    llm = OpenAI(api_token="你的_API_KEY") 
    agent = SmartDataframe(df, config={"llm": llm})
    
    query = st.text_area("️ 请吩咐 (例如：帮我画个饼图展示各部门占比)")
    
    if st.button("开始执行"):
        with st.spinner("AI 正在疯狂计算中..."):
            response = agent.chat(query)
            st.write(response)
            # 如果是图表，PandasAI 会自动保存，这里可以加载显示
            st.pyplot(plt.gcf()) # 简单示例，具体视路径而定

效果：

你将表格进行上传, 于网页输入框当中进行打字, 随后AI会给你提供出结果, 难道这样不比那般香吗?

️ 避坑指南 & 总结

做这个项目时，有几个点要注意：

数据隐私方面, 虽说支持隐私模式, 也就是只给大模型发送表头, 而不发送具体数据, 然而对于公司机密数据来讲, 还是建议采用本地部署的模型, 像 + 这种。Token 消耗情况是, 大表头有可能会消耗较多 Token, 所以建议使用这一模型或者 GPT - 4o - mini 等高性价比模型。在准确性上, AI 生成的代码偶尔会出现错误状况, 对于此建议在里添加“请一步步思考”这样的表述, 或者让它先输出计划。

PandasAI_Python业务自动化_Python AI Agent