Skip to content

README.es.md

Latest commit

 

History

History
146 lines (111 loc) · 4.84 KB

README.es.md

File metadata and controls

146 lines (111 loc) · 4.84 KB
Raw

DataFrameIt

PyPI version Python 3.10+ License: MIT

English · Português · Español

Enriquece DataFrames con LLMs de forma simple y estructurada.

DataFrameIt procesa textos en DataFrames usando Modelos de Lenguaje (LLMs) y extrae información estructurada definida por modelos Pydantic.

Documentación completa | Referencia para LLMs

Instalación

pip install dataframeit[google]  # Google Gemini (recomendado)
pip install dataframeit[openai]  # OpenAI
pip install dataframeit[anthropic]  # Anthropic Claude

Configura tu API key:

export GOOGLE_API_KEY="tu-clave"  # o OPENAI_API_KEY, ANTHROPIC_API_KEY

Ejemplo rápido

from pydantic import BaseModel
from typing import Literal
import pandas as pd
from dataframeit import dataframeit

# 1. Define qué extraer
class Sentimiento(BaseModel):
    sentimiento: Literal['positivo', 'negativo', 'neutro']
    confianza: Literal['alta', 'media', 'baja']

# 2. Tus datos
df = pd.DataFrame({
    'texto': [
        '¡Producto excelente! Superó mis expectativas.',
        'Pésima atención, nunca más compro aquí.',
        'La entrega bien, el producto mediocre.'
    ]
})

# 3. ¡Procesa!
resultado = dataframeit(df, Sentimiento, "Analiza el sentimiento del texto.")
print(resultado)

Salida:

texto sentimiento confianza
¡Producto excelente! ... positivo alta
Pésima atención... negativo alta
La entrega bien... neutro media

Los nombres de clases y campos son arbitrarios: los notebooks de example/ usan nombres en portugués.

Funcionalidades

  • Múltiples proveedores: Google Gemini, OpenAI, Anthropic, Cohere, Mistral vía LangChain
  • Múltiples tipos de entrada: DataFrame, Series, list, dict
  • Salida estructurada: Validación automática con Pydantic
  • Resiliencia: Reintento automático con backoff exponencial
  • Rendimiento: Procesamiento paralelo, rate limiting configurable
  • Búsqueda web: Integración con Tavily para enriquecer datos
  • Seguimiento: Monitoreo de tokens y métricas de throughput
  • Configuración por campo: Prompts y parámetros de búsqueda personalizados por campo (v0.5.2+)

Configuración por campo (nuevo en v0.5.2)

Configura prompts y parámetros de búsqueda específicos para cada campo usando json_schema_extra:

from pydantic import BaseModel, Field

class MedicamentoInfo(BaseModel):
    # Campo con el prompt por defecto
    principio_activo: str = Field(description="Principio activo del medicamento")

    # Campo con prompt personalizado (reemplaza el prompt base)
    enfermedad_rara: str = Field(
        description="Clasificación de enfermedad rara",
        json_schema_extra={
            "prompt": "Busca en Orphanet (orpha.net). Analiza: {texto}"
        }
    )

    # Campo con prompt adicional (se añade al prompt base)
    evaluacion_conitec: str = Field(
        description="Evaluación de la CONITEC",
        json_schema_extra={
            "prompt_append": "Busca ÚNICAMENTE en el sitio de la CONITEC (gov.br/conitec)."
        }
    )

    # Campo con parámetros de búsqueda personalizados
    estudios_clinicos: str = Field(
        description="Estudios clínicos relevantes",
        json_schema_extra={
            "prompt_append": "Busca estudios clínicos recientes.",
            "search_depth": "advanced",
            "max_results": 10
        }
    )

# Requiere search_per_field=True
resultado = dataframeit(
    df,
    MedicamentoInfo,
    "Analiza el medicamento: {texto}",
    use_search=True,
    search_per_field=True,
)

Opciones disponibles en json_schema_extra:

Opción Descripción
prompt o prompt_replace Reemplaza por completo el prompt base
prompt_append Añade texto al prompt base
search_depth "basic" o "advanced" (override por campo)
max_results Número de resultados de búsqueda (1-20)

Documentación

Ejemplos

Consulta la carpeta example/ para notebooks de Jupyter con casos de uso completos.

Licencia

MIT