langchain for Eda：在Python中建立CSV理智 - 检查代理

，代理执行动作。

这正是我们在今天的文章中要尝试的。

在本文中，我们将使用Langchain和Python来构建自己的CSV理智检查代理。使用此代理，我们将自动化典型的探索性数据分析（EDA）任务，以显示列，检测缺失值（NAN）并检索描述性统计信息。

代理人逐步决定要拨打哪个工具以及何时回答有关我们数据的问题。这与传统意义上的应用程序有很大的不同，在传统意义上，开发人员定义了过程的工作原理（例如，通过IF-ELSE循环）。它也远远超出了简单的提示，因为我们正在构建一个行为的系统（尽管以一种简单的方式），而不仅仅是说话。

如果您：

…与大熊猫一起工作，想自动化EDA。…发现LLMS令人兴奋，但到目前为止，Langchain的经验很少。…想了解一个简单的示例，以了解代理商的真正工作（从设置到迷你评估）。

…与Pandas合作，想自动化EDA。

…找到LLM的令人兴奋，但到目前为止，Langchain的经验很少。

…想使用一个简单的示例了解代理如何真正工作（从设置到迷你评估）。

目录我们构建的内容和示例中的hyhands-the：csv-sanity-Check代理具有langchainmini-evaluation-findine的思想 - 陷阱，提示和下一步的stepswhere，您可以继续学习吗？

目录 我们的构建以及为什么 动手示例：langchain 迷你评估 最终想法 - 陷阱，技巧和下一步 您可以在哪里继续学习？

代理是我们分配任务的系统。然后，系统决定自己使用哪些工具来解决这些任务。

这需要三个组成部分：

代理= LLM +工具 +控制逻辑

让我们仔细看看这三个组成部分：

LLM提供了智能：它了解问题，计划步骤并决定该怎么做。

get_schema（） get_nulls（））

让我们看一个简单的例子：

用户问：“ CSV的平均年龄是多少？”

df.describe（） 性 df