Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Adatok feldolgozása: CSV, Excel, képek

12. lecke 20 közül Frissítve 2026. november 2. Fejlesztő
Ezen az oldalon
  1. Adatok feldolgozása: CSV, Excel, képek
  2. CSV-fájlok feldolgozása
  3. Excel-fájlok feldolgozása
  4. Képek feldolgozása
  5. Minta: Teljes ETL folyamat
  6. Támogatott formátumok
  7. Főbb megállapítások

Frissítve: 2026. november 2. az OpenAI dokumentációja alapján: a Code Interpreter eszköz szükségessé teszi a container paramétert (hozzáadva minden példához), a bemeneti szövegrészek típusa input_text, a webes keresés pedig a web_search eszközt használja (a web_search_preview már elavult eszköz, domain-szűrők nélkül). A generált fájlok lekérése a 10. leckéből ismert fichiers_generes és telecharger függvényekkel történik. Az üzenethez csatolt fájlok feltöltése a user_data használatával 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

FormátumKiterjesztésekOlvasásÍrás
CSV.csvIgenIgen
Excel.xlsx, .xlsIgenIgen
JSON.jsonIgenIgen
Képek.png, .jpg, .gif, .bmpIgenIgen
Szöveg.txt, .mdIgenIgen
PDF.pdfKorlátozott olvasásNem

Főbb megállapítások

  • Töltsd fel a fájlokat purpose="user_data" paraméterrel, és add át őket input_file típusként
  • A modell natívan kezeli a CSV-t, a több munkalapos Excelt és a képeket
  • A generált fájlokat a container_file_citation annotációkból 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