基于Pyecharts的数据可视化开发（二）调用通义千问api分析爬虫数据

上一篇博客做了关于“广州市2023年天气情况”的数据爬取，并保存为.csv文件。下一步是想用生成的.csv文件，直接调用大模型api进行分析，得出结论。通过调研，阿里云的通义千问大模型qwen-long可以实现对文件数据的分析。

通义千问大模型提供了 API，可以将数据预处理后传入模型进行分析和总结，实现步骤如下：

预处理 .csv 文件：使用 pandas 读取 .csv 文件，并将其内容格式化为适合传递给通义千问的自然语言描述，例如表格的结构、数值的统计信息、特征分布等。
调用 API：使用阿里云的 SDK 或直接通过 HTTP 请求调用通义千问的 API，将处理后的数据传入并询问模型得出结论。
处理 API 返回结果：通义千问会返回一个文本格式的结果，可以进一步提取关键信息，或根据需要再做数据可视化。

调用通义千问api

api-key的获取和配置

开通DashScope

前往控制台：模型服务灵积-总览 (aliyun.com)

获取api-key

进入网页：阿里云登录 - 欢迎登录阿里云，安全稳定的云计算服务平台
选择管理中心 → api-key管理 → 创建新的api-key（因为我已经创建了，所以图标是暗的）
可以点击“查看” → “复制”

配置api-key

通过环境变量设置
直接在代码中输入

验证api-key在代码中是否可用

这一步还蛮关键的，测试一下所配置的api-key是否可用。

import os
from openai import OpenAI

try:
    client = OpenAI(
        # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx",
        api_key="your_api_key",
        base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    )

    completion = client.chat.completions.create(
        model="your_model_name",  # 模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
        messages=[
            {'role': 'system', 'content': 'You are a helpful assistant.'},
            {'role': 'user', 'content': '你是谁？'}
            ]
    )
    print(completion.choices[0].message.content)
except Exception as e:
    print(f"错误信息：{e}")
    print("请参考文档：https://help.aliyun.com/zh/model-studio/developer-reference/error-code")

输出有3种情况：

我是通义千问，由阿里云开发的AI助手。我可以回答各种问题、提供信息和与用户进行对话。有什么我可以帮助你的吗？
我是Qwen，由阿里云研发的超大规模语言模型。我能够生成各种类型的文本，如文章、故事、诗歌、故事等，并能根据不同的场景和需求进行调整和优化。此外，我还具备代码写作能力，可以辅助编程工作，解决技术问题。如果你有任何需要，欢迎随时向我提问！
我是Qwen，由阿里云研发的超大规模语言模型。我被设计用于生成各种类型的文本，如文章、故事、诗歌等，并能根据不同的场景和需求进行对话、提供信息查询、创作内容等服务。很高兴为您服务！

其他输出或者报错的话就是代码出问题了，总结了集中报错的方式：

我这里是采用直接输入api_key的方法，这种方法可能会导致分享的时候不小心泄露，可以导入环境变量中再引用，这会比较保险。
报“from openai import OpenAI”的错，说没有办法在openai库中引入OpenAI，这是openai版本过旧导致，需要更新一下：pip install --upgrade openai。
可能是model的名字没有写对，比如说我用的是qwen-long模型，最开始以为是model="qwen-long"，查了一下模型列表才发现qwen-long对应的应该是"qwen-plus"。

模型选择

模型列表_大模型服务平台百炼(Model Studio)-阿里云帮助中心 (aliyun.com)

如果不知道任务与什么模型相匹配，可以去模型广场查阅：阿里云百炼 (aliyun.com)

根据任务需求，选择供应商、模型类型和上下文长度，我这里是需要分析.csv文件或者.xlsx文件，所以选择了“通义”、“文本生成”、“64k以上”的“Qwen-Long”模型。已经知道要用哪个模型的话，可以在搜索栏里直接搜索。

点击“查看详情”可以查看模型介绍和API示例。

模型介绍

Qwen-Long是在通义千问针对超长上下文处理场景的大语言模型，支持中文、英文等不同语言输入，支持最长1000万tokens(约1500万字或1.5万页文档)的超长上下文对话。配合同步上线的文档服务，可支持word、pdf、markdown、epub、mobi等多种文档格式的解析和对话。说明：通过HTTP直接提交请求，支持1M tokens长度，超过此长度建议通过文件方式提交。

模型计费详情

写入代码

在试错过程中，为了方便操作，把爬取来的.csv文件转换为.xlsx

import pandas as pd

# 读取CSV文件
csv_file_path = 'your_csv_file_path'  #
df = pd.read_csv(csv_file_path)

# 将DataFrame保存为Excel文件
excel_file_path = 'your_xlsx_file_name'  # 指定输出的Excel文件名
df.to_excel(excel_file_path, index=False)  # index=False表示不保存行索引

print(f"文件已成功转换并保存为: {excel_file_path}")

调用通义千问的API进行分析

import pandas as pd
import requests
import json

# 读取 Excel 文件
file_path = 'your_xlsx_file_path'
df = pd.read_excel(file_path)

# 将 DataFrame 转换为 JSON 格式
data_dict = df.to_dict(orient='records')

# Qwen-long API 的配置
api_key = 'your_api_key'  # 替换为你的 API 密钥
api_url = 'your_api_url'  # 替换为你的 API 端点

# 构建请求体
payload = {
    "model": "qwen-long",  # 这里替换为你想要使用的模型ID
    "messages": [
        {"role": "user", "content": str(record)} for record in data_dict  # 假设每条记录都是用户输入
    ]
}

# 设置请求头
headers = {
    'Content-Type': 'application/json',
    'Authorization': f'Bearer {api_key}'
}

try:
    # 发送 POST 请求
    response = requests.post(api_url, json=payload, headers=headers)
    response.raise_for_status()  # 如果响应状态不是 200 类型，抛出异常
except requests.exceptions.RequestException as e:
    print(f"请求过程中发生错误: {e}")
    if response.status_code == 400 and hasattr(response, 'text'):
        print("详细错误信息:")
        print(response.text)  # 打印详细的错误信息
    exit(1)

# 检查响应并提取 content 字段
result = response.json()
if result and 'choices' in result and len(result['choices']) > 0:
    message_content = result['choices'][0]['message']['content']
else:
    message_content = "没有找到有效的响应内容。"

output_file = 'your_save_path'
with open(output_file, 'w', encoding='utf-8') as file:
    file.write(message_content)

print(f'结果已保存到 {output_file}')

报错及其解决方式：

请求过程中发生错误: 400 Client Error: Bad Request for url:https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions 详细错误信息:{"error":{"code":"invalid_parameter_error","param":null,"message":"Single round file-content exceeds token limit, please use fileid to supply lengthy input.","type":"invalid_request_error"},"id":"chatcmpl-2276f596-e854-9cc9-8201-e0c31e0f1b27"}
api_url输入错误

解决方式：

内容的长度超过了允许的token限制，对于这个报错，我是在如数的.xlsx文件做了删减。
api_url我没有找到具体的查询方式，所以我是通过：阿里云控制台首页 (aliyun.com)，有一个阿里云AI助理，在里面对他进行提问即可，比如说我用的是qwen-long模型，那么我提问的是：“Qwen-Long模型的API端点地址是什么”，得出答案后写入代码中

结果呈现

.xlsx文件：

调用API-key生成的语句，保存到.txt文件：