ComfyUI-PandasAI数据分析包
ComfyUI-PandasAI是ComfyUI平台上的数据分析自定义节点包，可以采用自然语言分析本地csv/xlsx文件，或Sqlite、MySQL、PostgreSQL等数据库。
1、代码组织
ComfyUI-PandasAI节点包的目录组织说明如下：
| 文件路径 | 文件说明 |
|---|---|
| requirements.txt | 依赖包清单文件 |
| __init__.py | 包入口文件 |
| py/ | 自定义节点目录 |
| py/smart_dataframe.py | SmartDataframe节点 |
| py/chat_with_smart_dataframe.py | ChatWithSmartDataframe节点 |
| py/agent.py | Agent节点 |
| py/chat_with_agent.py | ChatWithAgent节点 |
| py/bamboom_llm.py | BambooLLM节点 |
| py/openai_llm.py | OpenAI节点 |
| py/google_palm_llm.py | Google Palm节点 |
| py/google_vertexai_llm.py | Google VertexAI节点 |
| py/azure_openai_llm.py | Azure OpenAI节点 |
| py/huggingface_textgen_llm.py | HuggingFace TextGen节点 |
| py/custom_llm.py | CustomLLM节点 |
| py/file_connector.py | FileConnector节点 |
| py/sql_connector.py | SQLConnector节点 |
| py/sqlite_connector.py | SqliteConnector节点 |
| py/mysql_connector.py | MySQLConnector节点 |
| py/postgresql_connector.py | PostgreSQLConnector节点 |
| web/ | 前端扩展目录 |
| web/pandasai.js | 前端扩展 |
| examples/ | 示例工作流目录 |
| examples/smart_dataframe.json | 使用SmartDataframe分析本地csv或xlsx文件的工作流 |
| examples/supported-connectors.json | 数据源节点一览 |
| examples/supported-llms.json | 大模型支持节点一览 |
| datasets/ | 示例数据集目录 |
| coffee.csv | 咖啡店订单数据，csv格式 |
| loan_payments.csv | 贷款支付数据，csv格式 |
| Loan payments data.xlxs | 贷款支付数据，xlxs格式 |
| employees_db.zip | 员工数据，sqlite格式，zip压缩 |
2、安装
将节点包解压到 ComfyUI/custom_nodes 目录下，结果如下所示：
ComfyUI
|- custom_nodes
|- ComfyUI-PandasAI
|- __init__.py
|- ...
然后进入 ComfyUI-PandasAI 目录，执行如下命令安装依赖包：
pip install -r requirements.txt
3、使用示例数据集快速上手
在ComfyUI界面中，点击【Load】按钮载入 examples/smart_dataflow.json工作流，如下图所示：
SmartDataframe节点类似于使用LLM大模型增强的表格数据集，可以使用自然语言分析数据集。 它的输入有两个：
- llm：用于分析自然语言的大模型
- connector：数据源连接器，可以连接本地文件或sql数据库等。
在这个工作流中，使用了 Custom LLM 节点来访问Groq的API，主要参数如下：
- api_base: OpenAI兼容API访问基址，对于Groq来说，这个值是
https://api.groq.com/openai/v1 - api_key: 大模型服务商的API KEY，Groq可以在这里创建API Key
- model：使用的大模型，这里使用
llama3-8b-8192模型
示例工作流使用的数据源连接器是 File Conector，用来访问本地的数据文件，目前支持csv格式和xlxs 格式，点击 【upload】按钮即可上传本地其他目录的数据文件。
Chat With Smart Dataframe节点是我们输入的地方，例如查询贷款支付数据中男女各有多少人，可以输入：
贷款的男女各有多少人？
工作流的输出使用了ComfyUI-Custom-Scripts节点包中的 show text节点，用于显示结果文字，如上图所示：
Gender Count
0 male 423
1 female 77
4、数据源自定义节点
4.1 FileConnector
FileConnector可以上传本地的数据文件作为数据分析的数据源，目前支持csv和xlxs。
输入：
- file：已上传的数据文件
输出：
- connector：数据源连接对象
4.2 SqliteConnector
SqliteConnector以本地的sqlite数据库文件作为数据分析的数据源。
输入：
- file：sqlite数据库文件本地路径
输出：
- connector：数据源连接对象
4.3 MySQLConnector
MySQLConnector以MySQL数据库表作为数据源。
输入：
- host：MySQL主机地址
- port：MySQL服务端口
- database：数据库名称
- username：用户名称
- password：用户密码
- table：数据表名称
4.4 PostgreSQLConnector
PostgreSQLConnector以PostgreSQL数据库表作为数据源。
输入：
- host：PostgreSQL主机地址
- port：PostgreSQL服务端口
- database：数据库名称
- username：用户名称
- password：用户密码
- table：数据表名称
5、LLM大模型自定义节点
5.1 BambooLLM
BambooLLM 主要针对数据分析。它旨在理解和执行与数据分析、数据处理和数据可视化相关的自然语言查询。 可以在这里注册以获取免费 API 密钥。
输入：
- api_key：API密钥
输出：
- llm：LLM对象。
5.2 OpenAI
为了使用 OpenAI 模型，你需要一个 OpenAI API 密钥。可以在 此处获取一个。
输入：
- api_key：API KEY
- model：使用的大模型，默认：gpt-4
输出：
- llm：LLM对象
5.3 GooglePalm
为了使用 Google PaLM 模型，你需要拥有 Google Cloud API 密钥。可以在此处获取一个。
输入：
- api_key: API密钥
输出：
- llm：LLM对象
5.4 GoogleVertexAI
为了通过 Vertexai api 使用 Google PaLM 模型，需要先创建Google Cloud 项目、设置项目区域并完成gcloud身份验证。
输入：
- project_id：项目编号
- location：区域
- model：使用的模型名称
输出：
- llm：LLM对象
5.5 AzureOpenAI
为了使用 Azure OpenAI 模型，需要拥有 Azure OpenAI API 密钥以及 Azure OpenAI 端点。可以在 此处获取。
要实例化 Azure OpenAI 对象，您还需要指定在 Azure 上部署的模型的名称和 API 版本：
输入：
- api_token: API密钥
- azure_endpoint：访问端点
- api_version：api版本
- deployment_name：部署的名称
输出：
- llm：LLM对象
5.6 HuggingFaceTextGen
为了通过文本生成使用 HuggingFace 模型，需要首先提供一个受支持的大型语言模型 (LLM)。 阅读文本生成文档以了解有关如何设置推理服务器的更多信息。
例如，这可用于使用 LLaMa2、CodeLLaMa 等模型。可以在此处找到有关文本生成的更多信息。
输入：
- inference_server_url：推理服务器url
输出：
- llm：LLM对象
5.7 CustomLLM
CustomLLM节点用来加载自定义模型，可以是本地模型，如Ollama或LM Studio托管的模型，也可以是云端模型，例如Groq托管的模型， 只要提供OpenAI兼容的API即可。
输入：
- api_base：API基地址，需要与OpenAI兼容
- api_key：API密钥，云平台托管的模型服务，通常需要设置这个密钥
- model：模型名称
输出：
- llm：LLM对象
原文链接：ComfyUI-PandasAI节点包
汇智网编辑整理，转载请标明出处
