Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Zpracování dat: CSV, Excel, obrázky

Lekce 12 z 20 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Zpracování dat: CSV, Excel, obrázky
  2. Zpracování souborů CSV
  3. Zpracování souborů Excel
  4. Zpracování obrázků
  5. Vzor: Kompletní pipeline ETL
  6. Podporované formáty
  7. Klíčové poznatky

Aktualizováno 2. listopadu 2026 na základě dokumentace OpenAI: nástroj Code Interpreter vyžaduje parametr container (přidán do všech příkladů), vstupní textové části používají typ input_text a webové vyhledávání využívá nástroj web_search (web_search_preview je nyní zastaralý nástroj bez filtrů domén). Vygenerované soubory získáš pomocí funkcí fichiers_generes a telecharger z Lekce 10. Soubory připojené ke zprávě se nahrávají s použitím user_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

FormátPříponyČteníZápis
CSV.csvAnoAno
Excel.xlsx, .xlsAnoAno
JSON.jsonAnoAno
Obrázky.png, .jpg, .gif, .bmpAnoAno
Text.txt, .mdAnoAno
PDF.pdfOmezené čteníNe

Klíčové poznatky

  • Nahraj soubory s purpose="user_data" a předej je přes input_file
  • Model nativně zpracovává CSV, vícelistové Excel a obrázky
  • Získej vygenerované soubory z anotací container_file_citation a stáhni je přes API kontejnerů (Lekce 10)
  • U velkých souborů požádej o dávkové zpracování
  • Pro slučování a porovnávání kombinuj více souborů v jediném volání