本研究提出了PoTable方法，旨在解决表格推理与大型语言模型（LLM）结合时的认知不足问题。通过集成Python解释器和LLM操作规划器，PoTable在推理效果和可解释性上有所提升，在多个基准测试中表现优异，特别是GPT基础的PoTable准确率提升超过4%。