30 maart 2025
Deze tutorial laat zien hoe de krachtige dataverwerkingsbibliotheek Pandas gecombineerd kan worden met de geavanceerde generatieve AI-mogelijkheden van Google Cloud via het google.generativeai-pakket en het Gemini Pro-model. De integratie richt zich op het opzetten van een interactieve data-analyse-agent die natuurlijke taal begrijpt en antwoord geeft op vragen over gegevens.
Het proces begint met de installatie van de benodigde pakketten en het instellen van een API-sleutel van Google Cloud. Daarna worden imports gedaan, waaronder Pandas voor data-analyse, google.generativeai voor toegang tot AI-functionaliteiten, en Markdown om resultaten overzichtelijk weer te geven.
In het voorbeeld wordt een eenvoudige verkoopdataset samengesteld in een Pandas DataFrame, met gegevens over producten, verkochte aantallen, regio’s en prijzen. Deze dataset wordt vervolgens gebruikt om natuurlijke taalvragen te stellen die door AI worden beantwoord, zoals het totale aantal verkochte eenheden of het product met de hoogste verkoop.
Een functie verwerkt zowel de DataFrame als het gestelde verzoek, zet de gegevens om in markdown-indeling en verzendt dit in een prompt naar het Gemini Pro-model. Dit model genereert vervolgens een gecontextualiseerd antwoord gebaseerd op de aangeleverde gegevens.
Verschillende voorbeeldvragen tonen hoe effectief de AI-antwoorden gegenereerd worden. Zo wordt onder andere het gemiddelde van de prijzen berekend, worden producten uit een specifieke regio gefilterd en wordt de totale omzet per product gepresenteerd in tabelvorm.
De aanpak maakt duidelijk hoe traditionele analysetechnieken versterkt kunnen worden met generatieve AI, waardoor datawetenschappers sneller inzichten kunnen verkrijgen. Deze combinatie van bibliotheken biedt niet alleen interactievere analyses, maar legt ook de basis voor toepassingen zoals data cleaning en feature engineering binnen het vertrouwde Python-ecosysteem.
Geef een reactie