Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Obrada podataka: CSV, Excel, slike

Lekcija 12 od 20 Ažurirano 2. studenoga 2026. Programer
Na ovoj stranici
  1. Obrada podataka: CSV, Excel, slike
  2. Obrada CSV datoteka
  3. Obrada Excel datoteka
  4. Obrada slika
  5. Uzorak: Potpuni ETL pipeline
  6. Podržani formati
  7. Ključne točke

Ažurirano 2. studenoga 2026. na temelju OpenAI dokumentacije: alat Code Interpreter zahtijeva parametar container (dodan svim primjerima), tekstualni dijelovi ulaza koriste tip input_text, a web pretraživanje koristi alat web_search (web_search_preview je sada zastarjeli alat bez filtara domena). Generirane datoteke dohvaćaju se pomoću funkcija fichiers_generes i telecharger iz Lekcije 10. Datoteke priložene poruci učitavaju se s upotrebom user_data, što OpenAI preporučuje za ulaze modela (File inputs). Izvori: Code Interpreter · Web search.

Obrada podataka: CSV, Excel, slike

Code Interpreter mijenja prirodu onoga što tražiš od modela. Bez njega dobivaš opis onoga što treba učiniti; s njim model piše Python kod, izvršava ga u izoliranom okruženju (sandbox), provjerava rezultat i ispravlja vlastiti kod ako pogriješi. Kod podatkovne datoteke razlika je presudna: nitko ne može pogoditi strukturu CSV-a bez otvaranja, a upravo to omogućuje izvršavanje koda.

Razlogovanje u ovoj lekciji primjenjuje se na tri formata koja slijede. Učitaš datoteku, opišeš očekivani rezultat prirodnim jezikom i dohvatiš ili analizu ili novu datoteku. Ono što odvaja dobro korištenje od lošeg svodi se na preciznost tvoje instrukcije: „analiziraj ovu datoteku“ proizvodi generički sažetak, dok numerirani zahtjev poput onih u nastavku proizvodi rezultat koji možeš odmah koristiti.

Obrada CSV datoteka

Istraživačka analiza

Uvijek započni ovdje, čak i kada misliš da poznaješ datoteku. CSV izvezen iz poslovnog alata krije iznenađenja koja specifikacija ne spominje: numerički stupac pohranjen kao tekst zbog decimalnog separatora, datumi u tri različita formata ili redak s ukupnim zbrojem koji se uvukao usred podataka. Pet točaka zatraženih u nastavku—dimenzije, tipovi, nedostajuće vrijednosti, statistika i pregled—minimum su prije bilo kakve transformacije jer određuju što dalje možeš tražiti.

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)

Čišćenje i transformacija

Čišćenje je korak u kojem odluke imaju težinu i gdje ih moraš donijeti eksplicitno, umjesto da ih prepustiš modelu. Popunjavanje nedostajućih vrijednosti medijanom za brojeve i modom za kategorije obranjiv je izbor, ali to jest izbor: na stupcu prihoda gdje nedostaje trećina vrijednosti, to stvara umjetno usku distribuciju koja će iskriviti svaku naknadnu analizu. Navedi pravilo u svom promptu, kao što je prikazano u nastavku, i znat ćeš što je učinjeno; ostani neodređen i morat ćeš ponovno otvoriti datoteku da bi to saznao.

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")

Obrada Excel datoteka

Code Interpreter izvorno obrađuje Excel datoteke zahvaljujući biblioteci openpyxl. Dvije razlike u odnosu na CSV zaslužuju tvoju pozornost. Prvo, radna knjiga sadrži više listova, a prompt koji ne specificira jedan natjerat će model da radi na onome koji prvi odabere; stoga započni traženjem popisa listova, kao u primjeru. Drugo, Excel sadrži formule, spojene ćelije i dekorativne redove zaglavlja—elemente koji izgledaju kao podaci, ali nisu, a koje model mora znati ignorirati jer si mu to rekao.

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"}}]
)

Spajanje više datoteka

Spajanje je slučaj u kojem izvršavanje koda najviše nadmašuje ručnu obradu: četiri kvartala znače četiri datoteke čiji stupci imaju gotovo ista imena i gotovo isti redoslijed. To „gotovo“ je problem, i upravo je to ono što program detektira, dok kopiranje i lijepljenje to maskira. Zatraži sažetni list uz spojene podatke: on služi kao kontrola, jer ukupni zbroj koji se ne podudara sa zbrojem četiriju datoteka odmah otkriva pogrešno poravnat stupac.

# 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"}}]
)

Obrada slika

Code Interpreter manipulira slikama pomoću biblioteke Pillow, i moraš jasno vidjeti što to obuhvaća. Ovo je obrada slika—promjena veličine, konverzija, mjerenje, komponiranje—a ne vizualno razumijevanje: za opisivanje onoga što fotografija prikazuje, na djelu su vizualne sposobnosti modela, a ne sandbox. Ta se dva pristupa izvrsno kombiniraju u jednom pozivu, gdje model gleda sliku dok kod istovremeno vrši transformaciju.

Analiza i transformacija

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"}}]
)

Serijska obrada

Serijska obrada pomiče pitanje na trošak i ograničenja. Svaka učitanaslika troši prostor za pohranu i zauzima sandbox, čiji su prostor i vijek trajanja ograničeni: iznad nekoliko desetaka datoteka, lokalna skripta s Pillowom košta manje i brže se izvršava. Rezerviraj serijsku obradu za slučajeve gdje je odluku teško kodirati—obrezivanje koje ovisi o sadržaju, vodeni žig koji treba postaviti tamo gdje je slika najujednačenija—dok mehaničke transformacije ostavi vlastitom računalu.

# 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"}}]
)

Uzorak: Potpuni ETL pipeline

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"
)

Podržani formati

FormatEkstenzijeČitanjePisanje
CSV.csvDaDa
Excel.xlsx, .xlsDaDa
JSON.jsonDaDa
Slike.png, .jpg, .gif, .bmpDaDa
Tekst.txt, .mdDaDa
PDF.pdfOgraničeno čitanjeNe

Ključne točke

  • Učitaj datoteke s purpose="user_data" i proslijedi ih putem input_file
  • Model izvorno obrađuje CSV, višelistne Excel datoteke i slike
  • Dohvati generirane datoteke iz anotacija container_file_citation i preuzmi ih putem containers API-ja (Lekcija 10)
  • Za velike datoteke zatraži serijsku obradu
  • Kombiniraj više datoteka u jednom pozivu za spajanja i usporedbe