Adatok feldolgozása: CSV, Excel, képek
Ezen az oldalon
Frissítve: 2026. november 2. az OpenAI dokumentációja alapján: a Code Interpreter eszköz szükségessé teszi a
containerparamétert (hozzáadva minden példához), a bemeneti szövegrészek típusainput_text, a webes keresés pedig aweb_searcheszközt használja (aweb_search_previewmár elavult eszköz, domain-szűrők nélkül). A generált fájlok lekérése a 10. leckéből ismertfichiers_genereséstelechargerfüggvényekkel történik. Az üzenethez csatolt fájlok feltöltése auser_datahasználatával történik, amit az OpenAI ajánl a modellbemenetekhez (File inputs). Források: Code Interpreter · Webes keresés.
Adatok feldolgozása: CSV, Excel, képek
A Code Interpreter megváltoztatja annak a természetét, amit a modelltől kérsz. Nélküle csak leírást kapsz arról, mit kellene tenni; vele viszont a modell Python-kódot ír, lefuttatja azt egy homokozóban (sandbox), ellenőrzi az eredményt, és kijavítja a saját kódját, ha hibázik. Adatfájlok esetén a különbség döntő: senki nem tudja kitalálni egy CSV szerkezetét anélkül, hogy megnyitná, és pontosan ezt teszi lehetővé a kódfuttatás.
Az ebben a leckében bemutatott logika a következő három formátumra egyaránt érvényes. Feltöltöd a fájlt, leírod természetes nyelven a várt eredményt, majd lekérdezed az elemzést vagy egy új fájlt. A jó és a rossz használat közötti különbség az utasításod pontosságán múlik: az „elemezd ezt a fájlt“ kérés általános összefoglalót eredményez, míg az alábbiakhoz hasonló, számozott kérés olyan eredményt ad, amit azonnal felhasználhatsz.
CSV-fájlok feldolgozása
Feltáró elemzés
Mindig itt kezdj, még akkor is, ha azt hiszed, ismered a fájlt. Egy üzleti eszközből exportált CSV tele lehet meglepetésekkel, amelyekre a specifikáció nem tér ki: egy numerikus oszlop szövegként tárolódik egy tizedesvessző miatt, dátumok három különböző formátumban szerepelnek, vagy egy összesítő sor csúszott be az adatok közepébe. Az alábbi öt pont – dimenziók, típusok, hiányzó értékek, statisztikák és előnézet – a minimum bármilyen transzformáció előtt, mivel ezek határozzák meg, mit kérhetsz ezután.
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)
Tisztítás és transzformáció
A tisztítás az a lépés, ahol a döntések számítanak, és ahol neked kell explicit módon meghoznod őket, nem pedig a modellre hagyni. A hiányzó értékek kitöltése a mediánnal számok esetén és a módusszal kategóriáknál védhető választás, de ez mégiscsak egy választás: egy bevételi oszlopnál, ahol az értékek harmada hiányzik, ez mesterségesen szűk eloszlást hoz létre, ami torzítani fog minden későbbi elemzést. Fogalmazd meg a szabályt az utasításodban, ahogy az alább látható, és tudni fogod, mi történt; ha homályos maradsz, újra meg kell nyitnod a fájlt, hogy kiderítsd.
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"}}]
)
# A tisztított fájl lekérése
for ann in fichiers_generes(response):
telecharger(client, ann, "clients_nettoye.csv")
Excel-fájlok feldolgozása
A Code Interpreter natívan kezeli az Excel-fájlokat az openpyxl segítségével. Két, a CSV-től eltérő különbségre érdemes figyelned. Először is, egy munkafüzet több munkalapot tartalmaz, és egy olyan utasítás, amely nem specifikál egyet sem, arra készteti a modellt, hogy azzal dolgozzon, amelyet elsőként választ; ezért kezdj azzal, hogy kéred a munkalapok listáját, ahogy a példában is látható. Másodszor, az Excel képleteket, egyesített cellákat és dekoratív fejlécsorokat tartalmaz – olyan elemeket, amelyek adatnak tűnnek, de nem azok, és amelyeket a modellnek figyelmen kívül kell hagynia, mert te ezt mondtad neki.
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"}}]
)
Több fájl egyesítése
Az egyesítés az az eset, amikor a kódfuttatás a legtávolabbra jut a kézi feldolgozáshoz képest: négy negyedév négy fájlt jelent, amelyek oszlopnevei és sorrendje majdnem ugyanaz. Ez a „majdnem“ a probléma, és pontosan ezt észleli egy program, míg a másolás-beillesztés elfedi azt. Kérj egy összefoglaló lapot az egyesített adatok mellé: ez ellenőrzésként szolgál, mivel egy olyan összeg, amely nem egyezik meg a négy fájl összegével, azonnal reveals egy elcsúszott oszlopot.
# Több fájl feltöltése
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"}}]
)
Képek feldolgozása
A Code Interpreter a Pillow könyvtárral manipulálja a képeket, és tisztán kell látnod, mit fedez ez le. Ez képfeldolgozás – átméretezés, konvertálás, mérés, kompozitálás –, nem pedig vizuális megértés: annak leírására, mit mutat egy fotó, a modell látási képességei dolgoznak, nem a homokozó. A kettő nagyon jól kombinálható egyetlen hívásban: a modell ránéz a képre, miközben a kód transzformálja azt.
Elemzés és transzformáció
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"}}]
)
Kötegelt feldolgozás
A kötegelt feldolgozás a kérdést a költségek és korlátok felé tereli. Minden feltöltött kép tárhelyet fogyaszt és foglalja a homokozót, amelynek helye és élettartama korlátozott: néhány tucat fájlon túl egy helyi szkript Pillow-val olcsóbb és gyorsabb. A kötegelt feldolgozást olyan esetekre tartogasd, ahol a döntést nehéz kódolni – például tartalomfüggő vágás, vagy vízjel elhelyezése ott, ahol a kép a legegyenletesebb –, a mechanikus transzformációkat pedig hagyd a saját gépeden.
# Több kép feltöltése
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"}}]
)
Minta: Teljes ETL folyamat
def pipeline_etl(fichier_source: str, transformations: str) -> dict:
"""Extract-Transform-Load pipeline with Code Interpreter."""
# Extract: source file upload
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
}
# Használat
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"
)
Támogatott formátumok
| Formátum | Kiterjesztések | Olvasás | Írás |
|---|---|---|---|
| CSV | .csv | Igen | Igen |
| Excel | .xlsx, .xls | Igen | Igen |
| JSON | .json | Igen | Igen |
| Képek | .png, .jpg, .gif, .bmp | Igen | Igen |
| Szöveg | .txt, .md | Igen | Igen |
| Korlátozott olvasás | Nem |
Főbb megállapítások
- Töltsd fel a fájlokat
purpose="user_data"paraméterrel, és add át őketinput_filetípusként - A modell natívan kezeli a CSV-t, a több munkalapos Excelt és a képeket
- A generált fájlokat a
container_file_citationannotációkból nyerd ki, és töltsd le őket a containers API-n keresztül (10. lecke) - Nagy fájlok esetén kérj kötegelt feldolgozást
- Egyesítéshez és összehasonlításhoz kombinálj több fájlt egyetlen hívásban