Zpracování dat: CSV, Excel, obrázky
Na této stránce
Aktualizováno 2. listopadu 2026 na základě dokumentace OpenAI: nástroj Code Interpreter vyžaduje parametr
container(přidán do všech příkladů), vstupní textové části používají typinput_texta webové vyhledávání využívá nástrojweb_search(web_search_previewje nyní zastaralý nástroj bez filtrů domén). Vygenerované soubory získáš pomocí funkcífichiers_generesatelechargerz Lekce 10. Soubory připojené ke zprávě se nahrávají s použitímuser_data, což OpenAI doporučuje pro vstupy modelu (File inputs). Zdroje: Code Interpreter · Web search.
Zpracování dat: CSV, Excel, obrázky
Code Interpreter mění podstatu toho, co od modelu požaduješ. Bez něj získáš pouze popis toho, co je třeba udělat; s ním model napíše kód v Pythonu, spustí jej v izolovaném prostředí (sandbox), zkontroluje výsledek a v případě chyby svůj kód sám opraví. U datových souborů je tento rozdíl zásadní: nikdo nedokáže uhodnout strukturu CSV souboru bez jeho otevření, a přesně to umožňuje spuštění kódu.
Logika této lekce platí pro všechny tři následující formáty. Nahraješ soubor, přirozeným jazykem popíšeš očekávaný výsledek a získáš buď analýzu, nebo nový soubor. Rozdíl mezi dobrým a špatným použitím spočívá v přesnosti tvého pokynu: „analyzuj tento soubor“ vytvoří obecné shrnutí, zatímco číslovaný požadavek, jako jsou ty níže, přinese výsledek, který můžeš okamžitě použít.
Zpracování souborů CSV
Průzkumná analýza
Vždy začni zde, i když si myslíš, že soubor znáš. CSV exportované z podnikového nástroje skrývá překvapení, která specifikace nezmiňuje: číselný sloupec uložený jako text kvůli oddělovači desetinných míst, data ve třech různých formátech nebo řádek se součtem vklouznutý doprostřed dat. Pět níže požadovaných bodů – rozměry, typy, chybějící hodnoty, statistiky a náhled – je minimum před jakoukoli transformací, protože určují, o co dál můžeš požádat.
from openai import OpenAI
client = OpenAI()
with open("clients_2025.csv", "rb") as f:
fichier = client.files.create(file=f, purpose="user_data")
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Analyze this CSV file: "
"1. Number of rows and columns "
"2. Data types for each column "
"3. Missing values per column "
"4. Descriptive statistics for numeric columns "
"5. The first 5 rows"
)},
{"type": "input_file", "file_id": fichier.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
print(response.output_text)
Čištění a transformace
Čištění je krok, kde záleží na rozhodnutích, a ty musíš učinit explicitně, místo abys je nechával na modelu. Doplnění chybějících hodnot mediánem pro čísla a módem pro kategorie je obhajitelná volba, ale stále jen volba: u sloupce s příjmy, kde chybí třetina hodnot, to vytvoří uměle úzké rozložení, které zkreslí jakoukoli následnou analýzu. Pravidlo uveď ve svém promptu, jak je ukázáno níže, a budeš vědět, co bylo provedeno; zůstaň vágní a budeš muset soubor znovu otevřít, abys to zjistil.
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Clean this CSV: "
"- Remove duplicates "
"- Fill missing values (median for numbers, "
" mode for categories) "
"- Normalize city names (title case) "
"- Convert dates to ISO format "
"- Export the result as a cleaned CSV"
)},
{"type": "input_file", "file_id": fichier.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
# Retrieve the cleaned file
for ann in fichiers_generes(response):
telecharger(client, ann, "clients_nettoye.csv")
Zpracování souborů Excel
Code Interpreter zpracovává soubory Excel nativně díky knihovně openpyxl. Dva rozdíly oproti CSV si zaslouží tvou pozornost. Zaprvé, sešit obsahuje více listů a prompt, který žádný nespecifikuje, přiměje model pracovat s tím, který si vybere jako první; začni tedy požadavkem na seznam listů, jako v příkladu. Zadruhé, Excel obsahuje vzorce, sloučené buňky a dekorativní řádky záhlaví – prvky, které vypadají jako data, ale nejsou jimi, a které musí model ignorovat, protože jsi mu to řekl.
with open("budget_2026.xlsx", "rb") as f:
fichier_excel = client.files.create(file=f, purpose="user_data")
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"This Excel file contains multiple sheets. "
"1. List all available sheets "
"2. For each sheet, provide a summary of the content "
"3. Create a pivot table: total expenses "
" by department and by quarter "
"4. Export the result to a new Excel file"
)},
{"type": "input_file", "file_id": fichier_excel.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
Slučování více souborů
Slučování je případ, kdy spuštění kódu nejvíce vyniká nad ručním zpracováním: čtyři čtvrtletí znamenají čtyři soubory, jejichž sloupce mají téměř stejná jména a téměř stejné pořadí. To „téměř“ je problém a přesně to program detekuje, zatímco kopírování a vkládání to maskuje. Požádej navíc k sloučeným datům o souhrnný list: slouží jako kontrola, protože součet, který neodpovídá součtu čtyř souborů, okamžitě odhalí špatně zarovnaný sloupec.
# Upload multiple files
fichiers_ids = []
for nom in ["ventes_q1.xlsx", "ventes_q2.xlsx", "ventes_q3.xlsx", "ventes_q4.xlsx"]:
with open(nom, "rb") as f:
fichier = client.files.create(file=f, purpose="user_data")
fichiers_ids.append(fichier.id)
content = [
{"type": "input_text", "text": (
"These 4 Excel files contain sales data by quarter. "
"Merge them into a single file with: "
"- A 'Data' sheet with all sales "
"- A 'Summary' sheet with totals by quarter "
"- A 'Trends' sheet with quarter-over-quarter variations"
)}
]
for fid in fichiers_ids:
content.append({"type": "input_file", "file_id": fid})
response = client.responses.create(
model="gpt-5.6-terra",
input=[{"role": "user", "content": content}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
Zpracování obrázků
Code Interpreter manipuluje s obrázky pomocí knihovny Pillow a musíš jasně vidět, co to obnáší. Jedná se o zpracování obrázků – změna velikosti, konverze, měření, kompozice – nikoli o vizuální porozumění: k popisu toho, co fotografie zobrazuje, pracují schopnosti vidění modelu, nikoli sandbox. Obojí se velmi dobře kombinuje v jediném volání, kdy se model na obrázek podívá, zatímco kód jej transformuje.
Analýza a transformace
with open("photo_produit.jpg", "rb") as f:
fichier_image = client.files.create(file=f, purpose="user_data")
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Analyze this image: "
"1. Dimensions, format, file size "
"2. Color histogram "
"3. Create 3 versions: "
" - Thumbnail 200x200 "
" - Black and white version "
" - Version with contrast increased by 30%"
)},
{"type": "input_file", "file_id": fichier_image.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
Dávkové zpracování
Dávkové zpracování posouvá otázku k nákladům a limitům. Každý nahraný obrázek spotřebovává úložiště a obsazuje sandbox, jehož prostor a životnost jsou omezené: u více než několika desítek souborů stojí lokální skript s knihovnou Pillow méně a běží rychleji. Rezervuj si dávkové zpracování pro případy, kdy je rozhodnutí obtížné naprogramovat – ořez závislý na obsahu, umístění vodoznaku tam, kde je obrázek nejvíce jednotný – a mechanické transformace nech na svém vlastním stroji.
# Upload multiple images
images_ids = []
for img_path in ["img1.png", "img2.png", "img3.png"]:
with open(img_path, "rb") as f:
fichier = client.files.create(file=f, purpose="user_data")
images_ids.append(fichier.id)
content = [
{"type": "input_text", "text": (
"Resize all these images to 800x600 pixels, "
"add a semi-transparent 'DRAFT' watermark, "
"and compress as JPEG quality 85."
)}
]
for fid in images_ids:
content.append({"type": "input_file", "file_id": fid})
response = client.responses.create(
model="gpt-5.6-terra",
input=[{"role": "user", "content": content}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}]
)
Vzor: Kompletní pipeline ETL
def pipeline_etl(fichier_source: str, transformations: str) -> dict:
"""Extract-Transform-Load pipeline with Code Interpreter."""
# Extract: upload source file
with open(fichier_source, "rb") as f:
fichier = client.files.create(file=f, purpose="user_data")
# Transform: apply transformations
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": transformations},
{"type": "input_file", "file_id": fichier.id}
]
}],
tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
instructions=(
"Execute each transformation step by step. "
"Display a summary after each step: "
"number of rows before/after, modified columns. "
"Export the final result as CSV and Excel."
)
)
# Load: retrieve generated files
fichiers_sortie = []
for ann in fichiers_generes(response):
telecharger(client, ann, ann.filename)
fichiers_sortie.append(ann.filename)
return {
"rapport": response.output_text,
"fichiers_generes": fichiers_sortie
}
# Usage
resultat = pipeline_etl(
"donnees_brutes.csv",
"1. Remove empty columns "
"2. Convert amounts from cents to euros "
"3. Add a 'quarter' column based on the date "
"4. Aggregate sales by quarter and category "
"5. Calculate percentage variations"
)
Podporované formáty
| Formát | Přípony | Čtení | Zápis |
|---|---|---|---|
| CSV | .csv | Ano | Ano |
| Excel | .xlsx, .xls | Ano | Ano |
| JSON | .json | Ano | Ano |
| Obrázky | .png, .jpg, .gif, .bmp | Ano | Ano |
| Text | .txt, .md | Ano | Ano |
| Omezené čtení | Ne |
Klíčové poznatky
- Nahraj soubory s
purpose="user_data"a předej je přesinput_file - Model nativně zpracovává CSV, vícelistové Excel a obrázky
- Získej vygenerované soubory z anotací
container_file_citationa stáhni je přes API kontejnerů (Lekce 10) - U velkých souborů požádej o dávkové zpracování
- Pro slučování a porovnávání kombinuj více souborů v jediném volání