用Python给Excel接了个AI大脑，领导问什么数据直接答

# pip install pandas openai openpyxl

import pandas as pd
from openai import OpenAI

# 建连接，key换成你自己的
client = OpenAI(api_key="your_api_key_here")


def load_and_describe(filepath):
    """读Excel，顺便生成数据结构的描述"""
    df = pd.read_excel(filepath)

    # 拼一段描述文字，告诉大模型这个表长什么样
    desc = f"这个DataFrame变量名叫df，一共有{len(df)}行，{len(df.columns)}列。\n\n"
    desc += "列信息如下：\n"

    for col in df.columns:
        dtype = str(df[col].dtype)
        nulls = df[col].isna().sum()
        # 取几个示例值给大模型看看
        samples = df[col].dropna().head(3).tolist()
        desc += f"- {col}: 类型是{dtype}, 有{nulls}个空值, 示例值: {samples}\n"

    # 如果行数太多，也给大模型看几行真实数据
    desc += f"\n前3行数据预览:\n{df.head(3).to_string()}"

    return df, desc


def generate_pandas_code(question, schema):
    """让大模型把自然语言问题转成pandas代码"""

    prompt = f"""你是一个pandas数据分析专家。用户有一个已经加载好的DataFrame，变量名叫df。

数据结构如下：
{schema}

请根据用户的问题，写一段pandas代码来回答。

要求：
1. df变量已经存在，不需要重新读取文件
2. 把最终答案存到变量result里
3. 只写代码，不要写解释文字
4. 代码要简洁，能一行搞定的别写三行
5. 如果涉及日期，列名可能叫 date、order_date 或 created_at
6. 如果是数值统计，记得处理空值

用户的问题：{question}"""

    resp = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": prompt}],
        temperature=0  # 写代码用低温，稳定一点
    )

    code = resp.choices[0].message.content
    # 把markdown代码块标记去掉
    code = code.replace("```python", "").replace("```", "").strip()
    return code


def run_query(question, df, schema):
    """生成代码并执行，返回结果"""

    # 第一步：让大模型写代码
    code = generate_pandas_code(question, schema)
    print(f"[大模型生成的代码]\n{code}\n")

    # 第二步：执行代码
    # 把df和pd放到local变量里，exec才能用
    local_vars = {"df": df, "pd": pd}
    try:
        exec(code, {}, local_vars)
        result = local_vars.get("result", "代码执行了但没有result变量")
    except Exception as e:
        result = f"代码执行出错了: {e}"

    return result


def chat_with_excel(filepath):
    """主函数：加载Excel，进入问答循环"""

    print(f"正在加载文件: {filepath}")
    df, schema = load_and_describe(filepath)
    print(f"加载完成，{len(df)}行数据。")
    print("="*50)

    # 进入交互模式，可以一直问
    while True:
        question = input("\n请输入你的问题（输入q退出）: ")
        if question.lower() == "q":
            print("拜拜。")
            break

        print(f"\n>>> 问题: {question}")
        result = run_query(question, df, schema)
        print(f">>> 结果:\n{result}")
        print("-"*40)


if __name__ == "__main__":
    # 换成你自己的Excel路径
    chat_with_excel("sales_2024.xlsx")

[大模型生成的代码]
# 假设日期列叫order_date
recent = df[df['order_date'] >= '2024-11-01']
result = recent.groupby('产品名称')['销售额'].sum().sort_values(ascending=False).head(5)

>>> 结果:
产品名称
智能手环Pro    285600.0
蓝牙耳机X3     234100.0
充电宝20000    198500.0
手机壳套装      156800.0
数据线三合一    123400.0

[大模型生成的代码]
result = df.groupby('地区')['销售额'].sum()
result = (result / result.sum() * 100).round(2)

>>> 结果:
地区
华东    35.42
华南    28.17
华北    18.63
西南    11.28
其他     6.50

[大模型生成的代码]
refund_rate = df.groupby('产品名称').agg(
    退货数=('是否退货', 'sum'),
    总数=('订单号', 'count')
)
refund_rate['退货率'] = (refund_rate['退货数'] / refund_rate['总数'] * 100).round(2)
result = refund_rate.sort_values('退货率', ascending=False).head(5)

>>> 结果:
             退货数   总数   退货率
产品名称
USB转接头      89    423  21.04
耳机收纳袋     45    267  16.85
屏幕贴膜       112   789  14.20