Kanaries

AI 驱动的探索性数据分析与可视化工具集，用自然语言和拖拽操作发现、分析并分享数据洞察。

产品定位

Kanaries 的定位是把探索性数据分析的门槛降低：在 Notebook 场景中，PyGWalker 让熟悉 pandas 的用户无需切换工具即可获得拖拽式可视化界面；在工作区场景中，VizChat 与数据库对话能力让不写 SQL 的用户也能用日常语言向 MySQL、PostgreSQL 或 Snowflake 提问，由 AI 编写 SQL 并以图表返回。选型时需注意：数据库对话能力目前官网仅列出这三种数据库，其他数据源支持情况未知；官网提供免费试用和订阅入口；本次来源没有列出确切金额、周期或长期免费层权益，使用前应查看官方订阅说明。

适合用户

使用 Jupyter Notebook 的数据科学家和分析师
需要直接查询 MySQL、PostgreSQL 或 Snowflake 数据库的业务用户

功能亮点

拖拽式交互可视化探索
用户可通过简单拖拽操作对数据进行可视化、清洗、标注和探索，无需复杂配置。
自然语言查询数据
用户可用自然语言向数据提问（VizChat / PyGWalker 自然语言查询），获得洞察和图表。
连接数据库并用自然语言查询
用户可连接 MySQL、PostgreSQL 或 Snowflake，用日常语言提问，AI 编写 SQL 并以图表返回结果。
分享图表与团队协作
用户可与团队分享数据和图表，协作做出更好的决策。

使用步骤

在 Jupyter 中用 PyGWalker 探索数据

通过 pip 或 conda 安装 pygwalker
在 Notebook 中导入 pandas 和 pygwalker，加载数据框
调用 pyg.walk(df) 生成交互式可视化界面
通过拖拽操作切换图表类型、创建对比视图和分面视图

连接数据库并用自然语言提问

在工作区新建数据库连接（MySQL / PostgreSQL / Snowflake）
用自然语言向助手提问
AI 编写 SQL 并以图表形式返回答案

适用场景

快速探索性数据分析

数据科学家与分析师

数据分析师可将 DataFrame 一键转为交互式可视化应用，快速发现数据模式与洞察。

无需写 SQL 的数据库查询

业务用户与数据团队

业务用户可直接用自然语言查询 MySQL、PostgreSQL 或 Snowflake，获得图表答案，无需等待数据团队。

团队数据协作与分享

数据分析团队

团队可共享数据和图表，协作分析并做出更好的决策。

访问与价格

可用状态: 当前可用

价格信息: 价格待确认

价格说明: 官网提供免费试用，并通过订阅入口获取服务；确切金额和计费周期需查看官方当前订阅说明。

官方入口

常见问题

Kanaries 是什么？

Kanaries 是一个 AI 驱动的探索性数据分析工作区，提供可视化分析工具，帮助用户发现、分析和分享数据洞察。

PyGWalker 如何使用？

在 Jupyter Notebook 中安装后，用一行代码 pyg.walk(df) 即可将 pandas DataFrame 转为交互式可视化分析界面。

Kanaries 支持哪些数据库？

官网功能页明确支持连接 MySQL、PostgreSQL 和 Snowflake，可用自然语言提问，AI 编写 SQL 并以图表返回答案。

来源核验

资料核验于 2026-10-08