Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Käsittele dataa: CSV, Excel, kuvat

Oppitunti 12 / 20 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Käsittele dataa: CSV, Excel, kuvat
  2. CSV-tiedostojen käsittely
  3. Excel-tiedostojen käsittely
  4. Kuvien käsittely
  5. Malli: Täydellinen ETL-putki
  6. Tuetut formaatit
  7. Keskeiset asiat

Päivitetty 2. marraskuuta 2026 OpenAI:n dokumentaation perusteella: Code Interpreter -työkalu vaatii container-parametrin (lisätty kaikkiin esimerkkeihin), syöttötekstiosiot käyttävät tyyppiä input_text, ja verkkohaku käyttää web_search-työkalua (web_search_preview on nyt vanhentunut työkalu ilman verkkotunnussuodattimia). Generoidut tiedostot haetaan käyttämällä oppitunnin 10 funktioita fichiers_generes ja telecharger. Viestiin liitetyt tiedostot ladataan käyttämällä user_data-käyttöä, jota OpenAI suosittelee mallisyötteille (File inputs). Lähteet: Code Interpreter · Web search.

Käsittele dataa: CSV, Excel, kuvat

Code Interpreter muuttaa luonnetta sille, mitä pyydät mallia tekemään. Ilman sitä saat kuvauksen siitä, mitä pitää tehdä; sen kanssa malli kirjoittaa Python-koodia, suorittaa sen hiekkalaatikossa, tarkistaa tuloksen ja korjaa omaa koodiaan, jos se tekee virheen. Datatiedoston kohdalla ero on ratkaiseva: kukaan ei voi arvata CSV-tiedoston rakennetta avaamatta sitä, ja juuri siihen koodin suoritus kykenee.

Tämän oppitunnin päättely pätee seuraaviin kolmeen formaattiin. Lataat tiedoston, kuvailet odotetun tuloksen luonnollisella kielellä ja haet joko analyysin tai uuden tiedoston. Hyvän ja huonon käytön erottaa ohjeistuksen tarkkuus: “analysoi tämä tiedosto” tuottaa yleiskatsauksen, kun taas numeroitu pyyntö kuten alla olevat tuottavat tuloksen, jota voit käyttää sellaisenaan.

CSV-tiedostojen käsittely

Exploratiivinen analyysi

Aloita aina tästä, vaikka luulisit tuntevasi tiedoston. Liiketoimintatyökalusta viety CSV-tiedosto pitää sisällään yllätyksiä, joita spesifikaatio ei mainitse: numeerinen sarake tallennettuna tekstinä desimaalierottimen vuoksi, päivämääriä kolmessa eri formaatissa tai summarivi, joka on lipsahtanut datan keskelle. Alla pyydetyt viisi kohtaa – mitat, tyypit, puuttuvat arvot, tilastot ja esikatselu – ovat minimivaatimus ennen muunnoksia, koska ne määrittävät, mitä voit seuraavaksi pyytää.

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)

Puhdistus ja muunnos

Puhdistus on vaihe, jossa päätökset ratkaisevat, ja sinun on tehtävä ne eksplisiittisesti sen sijaan, että jättäisit ne mallin harteille. Puuttuvien arvojen täyttäminen mediaanilla numeroille ja moodilla kategorioille on perusteltavissa oleva valinta, mutta se on silti valinta: liikevaihtosarakkeessa, jossa kolmasosa arvoista puuttuu, se luo keinotekoisen kapean jakauman, joka vinouttaa kaiken myöhemmän analyysin. Määritä sääntö kehotteessasi, kuten alla, niin tiedät mitä tehtiin; pysy epämääräisenä, joudut avaamaan tiedoston uudelleen selvittääksesi sen.

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")

Excel-tiedostojen käsittely

Code Interpreter käsittelee Excel-tiedostoja natiivisti openpyxl:n ansiosta. Kaksi eroa CSV:hen ansaitsevat huomiosi. Ensinnäkin työkirja sisältää useita laskentataulukoita, ja kehote, joka ei määritä yhtäkään, saa mallin työskentelemään sillä, jonka se poimii ensimmäisenä; aloita siis pyytämällä lista laskentataulukoista, kuten esimerkissä. Toiseksi Excel sisältää kaavoja, yhdistettyjä soluja ja koristeellisia otsikkorivejä – elementtejä, jotka näyttävät datalta mutta eivät ole sitä, ja jotka mallin on tiedettävä jättää huomiotta, koska käskit sen tehdä niin.

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"}}]
)

Useiden tiedostojen yhdistäminen

Yhdistäminen on tapaus, jossa koodin suoritus vetää pisimmälle manuaaliseen käsittelyyn verrattuna: neljä vuosineljännestä tarkoittaa neljää tiedostoa, joiden sarakkeiden nimet ovat lähes samat ja järjestys lähes sama. Tämä “lähes” on ongelma, ja se on juuri sitä, mitä ohjelma havaitsee, kun taas kopioi-liitä peittää sen. Pyydä yhteenvetolaskentataulukkoa yhdistetyn datan lisäksi: se toimii tarkistuksena, sillä summa, joka ei täsmää neljän tiedoston summaan, paljastaa välittömästi väärin kohdistetun sarakkeen.

# 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"}}]
)

Kuvien käsittely

Code Interpreter manipuloii kuvia Pillow-kirjastolla, ja sinun on nähtävä selvästi, mitä se kattaa. Kyseessä on kuvien käsittely – koon muuttaminen, muuntaminen, mittaaminen, yhdistäminen – ei visuaalinen ymmärtäminen: kuvatakseen, mitä valokuva esittää, mallin näkökyky on työssä, ei hiekkalaatikko. Nämä kaksi yhdistyvät erinomaisesti yhdessä kutsussa, jossa malli tarkastelee kuvaa samalla kun koodi muuntaa sitä.

Analyysi ja muunnos

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"}}]
)

Eräajot

Eräajot siirtävät kysymyksen kustannuksiin ja rajoihin. Jokainen ladattu kuva kuluttaa tallennustilaa ja vie tilaa hiekkalaatikosta, jonka tila ja elinkaari ovat rajoitettuja: muutaman kymmenen tiedoston yli paikallinen skripti Pillowlla maksaa vähemmän ja toimii nopeammin. Varaa eräajo tapauksiin, joissa päätös on vaikea koodata – rajaus, joka riippuu sisällöstä, vesileima, joka sijoitetaan kohtaan, jossa kuva on tasaisin – ja jätä mekaaniset muunnokset omalle koneellesi.

# 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"}}]
)

Malli: Täydellinen ETL-putki

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"
)

Tuetut formaatit

FormaattiTunnisteetLukuKirjoitus
CSV.csvKylläKyllä
Excel.xlsx, .xlsKylläKyllä
JSON.jsonKylläKyllä
Kuvat.png, .jpg, .gif, .bmpKylläKyllä
Teksti.txt, .mdKylläKyllä
PDF.pdfRajoitettu lukuEi

Keskeiset asiat

  • Lataa tiedostot käyttämällä purpose="user_data" ja välitä ne input_file:n kautta
  • Malli käsittelee natiivisti CSV-tiedostoja, monilaskentataulukkoisia Excel-tiedostoja ja kuvia
  • Hae generoidut tiedostot container_file_citation-annotaatioista ja lataa ne containers API:n kautta (oppitunti 10)
  • Suurille tiedostoille pyydä eräajoa
  • Yhdistä useita tiedostoja yhdessä kutsussa yhdistämisiä ja vertailuja varten