AI 세부 실습 13 - DataFrame Agent와 Pandas 분석

DataFrame Agent와 Pandas 분석

이 글은 다음 원본 실습 파일을 기준으로 정리합니다.

28.langchaing_Agent_20250507_01.py
28.langchaing_Agent_20250507_02_dataframe.py
31.langchain_pandas_20250508_01_vs_agent.py
31.langchain_pandas_20250508_02_platform.py
31.langchain_pandas_20250508_03_streamlit.py
31.langchain_pandas_20250508_04_ImageCaptionLoader.py
31일차풀이(김태원).py
38_timeAgent.py

이 실습은 CSV나 DataFrame을 AI가 자연어 질문으로 분석하게 만드는 내용입니다.

DataFrame 읽기

import pandas as pd

df = pd.read_csv("data/CCTV_in_Seoul.csv", index_col="기관명")

DataFrame은 표 형태의 데이터입니다.

Pandas Agent

from langchain_openai import ChatOpenAI
from langchain_experimental.agents.agent_toolkits import create_pandas_dataframe_agent

llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

agent = create_pandas_dataframe_agent(
    llm=llm,
    df=df,
    verbose=True,
    agent_type="openai-tools",
    handle_parsing_errors=True,
    allow_dangerous_code=True,
)

사용자는 Pandas 문법을 몰라도 자연어로 질문할 수 있습니다.

response = agent.run("cctv 소계가 가장 많은 구는 어디인가요?")

주의할 옵션

allow_dangerous_code=True

이 옵션은 Agent가 Python 코드를 실행할 수 있게 합니다. 실습에는 편리하지만 실제 서비스에서는 격리 환경과 권한 제한이 필요합니다.

Streamlit과 결합

CSV 업로드와 DataFrame Agent를 연결하면 다음 앱을 만들 수 있습니다.

CSV 업로드
-> DataFrame 생성
-> 자연어 질문
-> 분석 결과 출력

정리

DataFrame Agent는 비전공자도 데이터 분석을 쉽게 시작할 수 있게 해 줍니다. 다만 내부적으로 코드를 실행할 수 있으므로 실제 서비스에서는 보안 설계가 필수입니다.