Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Próiseáil sonraí: CSV, Excel, íomhánna

Ceacht 12 as 20 Nuashonraithe 2 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Próiseáil sonraí: CSV, Excel, íomhánna
  2. Próiseáil comhad CSV
  3. Próiseáil comhaid Excel
  4. Próiseáil íomhánna
  5. Patrún: Píblíne ETL iomlán
  6. Formáidí tacaithe
  7. Príomhphointí

Nuashonraithe an 2 Samhain, 2026 bunaithe ar dhoiciméadú OpenAI: éilíonn an uirlis Code Interpreter paraiméadar container (curtha leis i ngach sampla), úsáideann codanna téacs ionchuir an cineál input_text, agus úsáideann cuardach gréasáin an uirlis web_search (níl sa web_search_preview ach uirlis sheanda gan scagairí fearainn anois). Faightear comhaid ghinte trí na feidhmeanna fichiers_generes agus telecharger ó Cheacht 10. Uaslódáiltear comhaid atá ceangailte le teachtaireacht leis an úsáid user_data, rud a mholann OpenAI d’ionchuir mhúnla (File inputs). Foinse: Code Interpreter · Cuardach gréasáin.

Próiseáil sonraí: CSV, Excel, íomhánna

Athraíonn Code Interpreter nádúr na hiarrata a dhéanann tú ar an múnla. Gan é, faigheann tú cur síos ar an méid atá le déanamh; leis, scríobhann an múnla cód Python, rithann sé i ngaineamhlann, seiceálann sé an toradh, agus ceartaíonn sé a chód féin má dhéanann sé botún. I gcás comhad sonraí, tá an difríocht cinntitheach: ní féidir le duine ar bith struchtúr CSV a thuar gan é a oscailt, agus is é sin go díreach a cheadaíonn feidhmiú cóid.

Baineann an réasúnaíocht sa cheacht seo leis an trí fhormáid a leanas. Uaslódálann tú an comhad, déanann tú cur síos ar an toradh atá ag teastáil i ngnáththeanga, agus faigheann tú ar ais anailís nó comhad nua. Is é cruinneas do threoracha an t-aon rud a scarann dea-úsáid ó dhroch-úsáid: cruthaíonn “déan anailís ar an gcomhad seo” achoimre ghinearálta, ach cruthaíonn iarratas uimhrithe cosúil leo siúd thíos toradh is féidir leat a úsáid mar atá sé.

Próiseáil comhad CSV

Anailís taiscéalaitheach

Tosaigh anseo i gcónaí, fiú nuair a shíleann tú go bhfuil a fhios agat cad atá sa chomhad. Coinníonn CSV a onnmhairítear ó uirlis gnó iontais nach luaitear sa sonraíocht: colún uimhriúil stóráilte mar théacs mar gheall ar dheighilteoir deachúil, dátaí i dtrí fhormáid éagsúla, nó sraith iomláin sleamhnaithe istigh i lár na sonraí. Is iad na cúig phointe a iarrtar thíos—toisí, cineálacha, luachanna in easnamh, staitisticí, agus réamhamharc—an t-íosmhéid roimh aon chlaochlú toisc go gcinneann siad cad is féidir leat a iarraidh ina dhiaidh sin.

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)

Glanadh agus claochlú

Is é an glanadh an chéim ina bhfuil tábhacht le cinntí, agus áit ar chóir duit iad a dhéanamh go sainráite seachas iad a fhágáil faoin múnla. Is rogha chosanta é luachanna in easnamh a líonadh leis an meán do uimhreacha agus leis an mód do chatagóirí, ach is rogha é sin: ar cholún ioncaim ina bhfuil trian de na luachanna in easnamh, cruthaíonn sé dáileadh atá go saorga cúng a chlaonfaidh aon anailís ina dhiaidh sin. Luaigh an riail i do leid, mar atá thíos, agus beidh a fhios agat cad a rinneadh; fan doiléir, agus beidh ort an comhad a athoscailt chun a fháil amach.

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")

Próiseáil comhaid Excel

Láimhseálann Code Interpreter comhaid Excel go dúchasach buíochas le openpyxl. Tá dhá dhifríocht ó CSV ar chóir duit aird a thabhairt orthu. Ar an gcéad dul síos, tá iliomad bileoga i leabhar oibre, agus déanfaidh leid nach sonraíonn ceann amháin don mhúnla obair ar an gceann a roghnaíonn sé ar dtús; mar sin, tosaigh trí liosta de bhileoga a iarraidh, mar atá sa sampla. Ar an dara dul síos, tá foirmlí, cealla cumaiscthe, agus sraitheanna ceanntásc maisiúla in Excel—eilimintí a bhfuil cuma sonraí orthu ach nach sonraí iad, agus ar chóir don mhúnla a bheith ar an eolas iad a neamhaird toisc gur inis tú dó déanamh amhlaidh.

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"}}]
)

Ilchomhad a chumasc

Is é an cumasc an cás ina mbíonn feidhmiú cóid i bhfad chun tosaigh ar phróiseáil láimhe: ciallaíonn ceithre ráithe ceithre chomhad a bhfuil ainmneacha colún beagnach mar an gcéanna acu agus ord beagnach mar an gcéanna. Is é an “beagnach” sin an fhadhb, agus is é sin go díreach a bhrathann clár agus a cheileann cóipeáil-agus-greamú. Iarr bileog achoimre i dteannta na sonraí cumaiscthe: feidhmíonn sé mar rialú, ós rud é go nochtann iomlán nach meaitseálann suim na gceithre chomhad colún mí-ailínithe láithreach.

# 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"}}]
)

Próiseáil íomhánna

Déanann Code Interpreter ionramháil ar íomhánna le Pillow, agus ní mór duit a fheiceáil go soiléir cad a chumhdaíonn sé sin. Is é seo próiseáil íomhá—athrú méide, tiontú, tomhas, cumaisc—ní tuiscint amhairc: chun cur síos a dhéanamh ar an méid atá i ngrianghraf, tá cumais fhisice an mhúnla ag obair, ní an ghaineamhlann. Tagann an dá cheann le chéile go han-mhaith i nglao amháin, agus an múnla ag breathnú ar an íomhá agus an cód á claochlú aici.

Anailís agus claochlú

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"}}]
)

Próiseáil baisce

Aistríonn próiseáil bhaisce an cheist chuig costas agus teorainneacha. Ídíonn gach íomhá a uaslódáiltear stóráil agus glacann sí spás sa ghaineamhlann, a bhfuil a spás agus a saolré teoranta: thar roinnt dosain comhad, costálann script áitiúil le Pillow níos lú agus rithann sí níos tapúla. Coinnigh próiseáil bhaisce do chásanna ina bhfuil sé deacair an cinneadh a chódáil—bearradh a bhraitheann ar ábhar, comhartha uisce le cur san áit is aonfhoirmí san íomhá—agus coinnigh claochluithe meicniúla do do mheaisín féin.

# 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"}}]
)

Patrún: Píblíne ETL iomlán

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"
)

Formáidí tacaithe

FormáidEisínteachtaíLéamhScríobh
CSV.csvTáTá
Excel.xlsx, .xlsTáTá
JSON.jsonTáTá
Íomhánna.png, .jpg, .gif, .bmpTáTá
Téacs.txt, .mdTáTá
PDF.pdfLéamh teorantaNíl

Príomhphointí

  • Uaslódáil comhaid le purpose="user_data" agus cuir iad ar aghaidh trí input_file
  • Láimhseálann an múnla CSV, Excel ilbhileog, agus íomhánna go dúchasach
  • Faigh comhaid ghinte ónótálacha container_file_citation agus íoslódáil iad tríd an API coimeádán (Ceacht 10)
  • Do chomhaid mhóra, iarr próiseáil bhaisce
  • Cumasc ilchomhad i nglao amháin le haghaidh cumaisc agus comparáidí