Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Ipproċessa d-dejta: CSV, Excel, immaġnijiet

Lezzjoni 12 / 20 Aġġornat 2 ta’ Novembru 2026 Zviluppatur
F'din il-paġna
  1. Ipproċessa d-dejta: CSV, Excel, immaġnijiet
  2. Ipproċessar ta’ fajls CSV
  3. Ipproċessar ta’ fajls Excel
  4. Ipproċessar ta’ immaġnijiet
  5. Mudell: Pipeline ETL sħiħa
  6. Formati appoġġjati
  7. Punti Ewlenin

Aġġornat fit-2 ta’ Novembru 2026 abbażi tad-dokumentazzjoni ta’ OpenAI: l-għodda Code Interpreter teħtieġ parametru container (miżjud mal-eżempji kollha), il-partijiet tat-test tal-input jużaw it-tip input_text, u t-tiftix fuq il-web juża l-għodda web_search (web_search_preview issa hija għodda antika mingħajr filtri tad-dominju). Il-fajls iġġenerati jiġu rkuprati bl-użu tal-funzjonijiet fichiers_generes u telecharger mil-Lezzjoni 10. Il-fajls mehmuża ma’ messaġġ jittellgħaw bl-użu user_data, li OpenAI tirrakkomanda għall-inputs tal-mudell (File inputs). Sorsi: Code Interpreter · Web search.

Ipproċessa d-dejta: CSV, Excel, immaġnijiet

Code Interpreter tbiddel in-natura ta’ dak li titlob lill-mudell jagħmel. Mingħajru, tikseb deskrizzjoni ta’ x’għandu jsir; bih, il-mudell jikteb kodiċi Python, jeżegwixxih f’ambjent iżolat (sandbox), jiċċekkja r-riżultat, u jikkoreġi l-kodiċi tiegħu stess jekk jagħmel żball. Għal fajl tad-dejta, id-differenza hija deċiżiva: ħadd ma jista’ jindwina l-istruttura ta’ CSV mingħajr ma jiftħu, u dan huwa eżattament dak li tippermetti l-eżekuzzjoni tal-kodiċi.

Ir-raġunament f’din il-lezzjoni japplika għat-tliet formati li ġejjin. Inti ttella’ l-fajl, tiddeskrivi r-riżultat mistenni bil-lingwa naturali, u tirrikupra jew analiżi jew fajl ġdid. Dak li jissepara użu tajjeb minn wieħed ħażin jinżel għall-preċiżjoni tal-istruzzjoni tiegħek: “analizza dan il-fajl” tipproduċi sommarju ġeneriku, filwaqt li talba nnumerata bħal dawk t’hawn taħt tipproduċi riżultat li tista’ tuża hekk kif inhu.

Ipproċessar ta’ fajls CSV

Analiżi esploratorja

Dejjem ibda hawn, anke meta taħseb li taf il-fajl. CSV esportat minn għodda tan-negozju fih sorpriżi li l-ispeċifikazzjoni ma ssemmix: kolonna numerika maħżuna bħala test minħabba separatur deċimali, dati fi tliet formati differenti, jew ringiela totali li nżlet fin-nofs tad-dejta. Il-ħames punti mitluba hawn taħt—dimensjonijiet, tipi, valuri nieqsa, statistika, u prevja—huma l-minimu qabel kwalunkwe trasformazzjoni għax jiddeterminaw x’tista’ titlob wara.

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)

Tindif u trasformazzjoni

It-tindif huwa l-pass fejn id-deċiżjonijiet jgħoddu, u fejn trid tagħmilhom b’mod espliċitu minflok ma tħallihom lill-mudell. Li timla valuri nieqsa bil-medjana għan-numri u bil-moda għall-kategoriji hija għażla difendibbli, iżda hija għażla: fuq kolonna tad-dħul fejn terz tal-valuri nieqsa, dan joħloq distribuzzjoni artifiċjalment dejqa li se tgħawweġ kwalunkwe analiżi sussegwenti. Iddikjara r-regola fil-prompt tiegħek, kif muri hawn taħt, u tkun taf x’sar; ibqa’ vag, u jkollok terġa’ tiftaħ il-fajl biex issib.

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")

Ipproċessar ta’ fajls Excel

Code Interpreter jimmanipolja fajls Excel native grazzi għal openpyxl. Żewġ differenzi mill-CSV jisħqu l-attenzjoni tiegħek. L-ewwel, workbook fih folji multipli, u prompt li ma jispeċifikax wieħed se jġiegħel lill-mudell jaħdem fuq kwalunkwe wieħed li jagħżel l-ewwel; allura ibda billi titlob lista ta’ folji, bħall-eżempju. It-tieni, Excel fih formuli, ċelloli magħquda, u ringieli ta’ intestatura dekorattiva—elementi li jidhru bħala dejta iżda mhumiex, u li l-mudell irid ikun jaf biex jinjorahom għax int għedtlu hekk.

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"}}]
)

Għaqda ta’ fajls multipli

L-għaqda hija l-każ fejn l-eżekuzzjoni tal-kodiċi tmur l-aktar ‘il quddiem mill-ipproċessar manwali: erba’ kwarti jfissru erba’ fajls li l-kolonni tagħhom għandhom ismijiet kważi l-istess u ordni kważi l-istess. Dak il-”kważi” huwa l-problema, u huwa preċiżament dak li programm jiskopri filwaqt li l-copy-paste jmoħbih. Itlob folja ta’ sommarju barra mid-dejta magħquda: isservi bħala kontroll, peress li total li ma jaqbilx mas-somma tal-erba’ fajls jikxef immedjatament kolonna mhux allinjata.

# 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"}}]
)

Ipproċessar ta’ immaġnijiet

Code Interpreter jimmanipolja l-immaġnijiet b’Pillow, u għandek tara b’mod ċar x’jinkludi dan. Dan huwa pproċessar tal-immaġni—tibdil tad-daqs, konverżjoni, kejl, kompożizzjoni—mhux fehim viżiv: biex tiddeskrivi x’turi ritratt, il-kapaċitajiet tal-viżjoni tal-mudell huma dawk li jaħdmu, mhux is-sandbox. It-tnejn jingħaqdu tajjeb ħafna f’sejħa waħda, bil-mudell iħares lejn l-immaġni filwaqt li l-kodiċi jittrasformaha.

Analiżi u trasformazzjoni

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"}}]
)

Ipproċessar bil-kwantità (Batch)

L-ipproċessar bil-kwantità jċaqlaq il-mistoqsija lejn l-ispiża u l-limiti. Kull immaġni mtellgħa tikkonsma ħażna u tokkupa s-sandbox, li l-ispazju u t-tul tal-ħajja tagħha huma limitati: lil hinn minn ftit għexieren ta’ fajls, skript lokali b’Pillow jiswi inqas u jimxi aktar malajr. Irriżerva l-ipproċessar bil-kwantità għal każijiet fejn id-deċiżjoni hija diffiċli biex tiġi kkodifikata—qtugħ li jiddependi mill-kontenut, watermark biex titqiegħed fejn l-immaġni hija l-aktar uniformi—u żomm it-trasformazzjonijiet mekkaniċi għall-magna tiegħek stess.

# 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"}}]
)

Mudell: Pipeline ETL sħiħa

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"
)

Formati appoġġjati

FormatEstensjonijietQariKitba
CSV.csvIvaIva
Excel.xlsx, .xlsIvaIva
JSON.jsonIvaIva
Immaġnijiet.png, .jpg, .gif, .bmpIvaIva
Test.txt, .mdIvaIva
PDF.pdfQari limitatLe

Punti Ewlenin

  • Ittella’ fajls b’purpose="user_data" u għaddihom permezz ta’ input_file
  • Il-mudell jimmanipolja CSV, Excel b’folji multipli, u immaġnijiet native
  • Irrikupra fajls iġġenerati mill-annotazzjonijiet container_file_citation u niżżilhom permezz tal-API tal-containers (Lezzjoni 10)
  • Għal fajls kbar, itlob ipproċessar bil-kwantità
  • Għaqqad fajls multipli f’sejħa waħda għal għaqdiet u tqabbil