Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Apdoroti duomenis: CSV, Excel, vaizdai

Paskaita 12 iš 20 Atnaujinta 2026 m. lapkričio 2 d. Kūrėjas
Šiame puslapyje
  1. Apdoroti duomenis: CSV, Excel, vaizdai
  2. CSV failų apdorojimas
  3. Excel failų apdorojimas
  4. Vaizdų apdorojimas
  5. Šablonas: Pilna ETL grandinė
  6. Palaikomi formatai
  7. Svarbiausi punktai

Atnaujinta 2026 m. lapkričio 2 d. pagal „OpenAI“ dokumentaciją: „Code Interpreter“ įrankiui reikia container parametro (pridėta visuose pavyzdžiuose), įvesties teksto dalys naudoja tipą input_text, o žiniatinklio paieška naudoja web_search įrankį (web_search_preview dabar yra pasenusio įrankio be domenų filtrų). Sugeneruoti failai gaunami naudojant fichiers_generes ir telecharger funkcijas iš 10 pamokos. Failai, pridėti prie žinutės, įkeliami naudojant user_data panaudojimą, kurį „OpenAI“ rekomenduoja modelio įvestims (File inputs). Šaltiniai: Code Interpreter · Web search.

Apdoroti duomenis: CSV, Excel, vaizdai

„Code Interpreter“ keičia tai, ko prašai modelio, pobūdį. Be jo gauni aprašymą, ką reikia padaryti; su juo modelis parašo „Python“ kodą, jį paleidžia izoliuotoje aplinkoje (sandbox), patikrina rezultatą ir, jei suklysta, pats taiso savo kodą. Dirbant su duomenų failais, skirtumas yra lemiamas: niekas negali atspėti CSV failo struktūros neatidaręs jo, o būtent tai ir leidžia kodo vykdymas.

Šioje pamokoje dėstoma logika taikoma visiems trims toliau išvardytiems formatams. Tu įkeli failą, natūralia kalba aprašai norimą rezultatą ir gauni arba analizę, arba naują failą. Kas skiria gerą naudojimą nuo blogo, priklauso nuo tavo instrukcijos tikslumo: „išanalizuok šį failą“ duos bendrą santrauką, o numeruotas prašymas, kaip pateikta žemiau, suteiks rezultatą, kurį galėsi naudoti iškart.

CSV failų apdorojimas

Tiriamoji analizė

Visada pradėk nuo čia, net jei manai, kad failą žinai. Iš verslo įrankio eksportuotas CSV failas gali turėti netikėtumų, kurių specifikacija nemini: skaitinė stulpelio reikšmė, saugoma kaip tekstas dėl dešimtainio skirtuko, datos trimis skirtingais formatais arba eilutė su suma, įsiterpusi duomenų viduryje. Penki toliau nurodyti punktai – matmenys, tipai, trūkstamos reikšmės, statistika ir peržiūra – yra būtinas minimumas prieš bet kokį transformavimą, nes jie lemia, ką galėsi prašyti toliau.

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)

Valymas ir transformavimas

Valymas yra etapas, kai sprendimai yra svarbiausi, ir tu privalai juos priimti aiškiai, o ne palikti modeliui. Trūkstamų reikšmių užpildymas mediana skaičiams ir moda kategorijoms yra pagrįstas pasirinkimas, tačiau tai vis tiek yra pasirinkimas: pajamų stulpelyje, kur trūksta trečdalio reikšmių, tai sukurs dirbtinai siaurą pasiskirstymą, kuris iškraipys bet kokią vėlesnę analizę. Nurodyk taisyklę savo užklausoje, kaip parodyta žemiau, ir žinosi, kas buvo padaryta; būk neaiškus, ir turėsi iš naujo atidaryti failą, kad tai išsiaiškintum.

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 failų apdorojimas

„Code Interpreter“ natūraliai tvarko Excel failus dėka „openpyxl“ bibliotekos. Du skirtumai nuo CSV nusipelno tavo dėmesio. Pirma, darbo knygoje yra keli lapai, ir užklausa, kuri nenurodo konkretaus lapo, privers modelį dirbti su tuo, kurį jis pasirinko pirmąjį; todėl pradėk paprašydamas lapų sąrašo, kaip parodyta pavyzdyje. Antra, Excel faile yra formulių, sujungtų langelių ir dekoratyvių antraščių eilučių – elementų, kurie atrodo kaip duomenys, bet jais nėra, ir modelis turi žinoti juos ignoruoti, nes tu jam tai nurodei.

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"}}]
)

Kelių failų sujungimas

Sujungimas yra atvejis, kai kodo vykdymas lenkia rankinį apdorojimą: keturi ketvirčiai reiškia keturis failus, kurių stulpelių pavadinimai ir tvarka yra beveik vienodi. Tas „beveik“ ir yra problema, kurią programa aptinka, o kopijavimas ir įklijavimas ją paslepia. Paprašyk santraukos lapo papildomai prie sujungtų duomenų: jis tarnauja kaip kontrolė, nes suma, kuri neatitinka keturių failų sumos, iškart atskleidžia neteisingai suderintą stulpelį.

# 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"}}]
)

Vaizdų apdorojimas

„Code Interpreter“ manipuliuoja vaizdais naudodamas „Pillow“, ir tau reikia aiškiai suprasti, ką tai apima. Tai yra vaizdų apdorojimas – dydžio keitimas, konvertavimas, matavimas, kompozicijų kūrimas – o ne vizualinis supratimas: norint aprašyti, kas pavaizduota nuotraukoje, veikia modelio regos gebėjimai, o ne izoliuota aplinka. Abu šie aspektai puikiai dera viename kvietime, kai modelis žiūri į vaizdą, o kodas jį transformuoja.

Analizė ir transformavimas

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"}}]
)

Grupinis apdorojimas

Grupinis apdorojimas perkelia klausimą į kaštų ir limitų sritį. Kiekvienas įkeltas vaizdas sunaudoja saugyklą ir užima vietos izoliuotoje aplinkoje, kurios talpa ir gyvavimo trukmė yra ribotos: viršijus kelias dešimtis failų, vietinis scenarijus su „Pillow“ kainuos mažiau ir veiks greičiau. Grupinį apdorojimą palik tiems atvejams, kai sprendimą sunku užkoduoti – apkarpymas, priklausantis nuo turinio, vandens ženklo vietos parinkimas ten, kur vaizdas yra vienodžiausias – o mechaninius transformavimus atlik savo kompiuteryje.

# 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"}}]
)

Šablonas: Pilna ETL grandinė

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"
)

Palaikomi formatai

FormatasPlėtiniaiSkaitymasRašymas
CSV.csvTaipTaip
Excel.xlsx, .xlsTaipTaip
JSON.jsonTaipTaip
Vaizdai.png, .jpg, .gif, .bmpTaipTaip
Tekstas.txt, .mdTaipTaip
PDF.pdfRibotas skaitymasNe

Svarbiausi punktai

  • Įkelk failus naudodamas purpose="user_data" ir perduok juos per input_file
  • Modelis natūraliai tvarko CSV, daugialapius Excel ir vaizdus
  • Gauk sugeneruotus failus iš container_file_citation anotacijų ir atsisiųsk juos naudodamas konteinerių API (10 pamoka)
  • Dideliems failams prašyk grupinio apdorojimo
  • Sujungk kelis failus viename kvietime, kai reikia juos sujungti arba palyginti