Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Verwerken van gegevens: CSV, Excel, afbeeldingen

Les 12 van 20 Bijgewerkt op 2 november 2026 Ontwikkelaar
Op deze pagina
  1. Verwerken van gegevens: CSV, Excel, afbeeldingen
  2. CSV-bestanden verwerken
  3. Excel-bestanden verwerken
  4. Afbeeldingen verwerken
  5. Patroon: Volledige ETL-pipeline
  6. Ondersteunde formaten
  7. Belangrijkste punten

Bijgewerkt op 2 november 2026 op basis van OpenAI-documentatie: de Code Interpreter-tool vereist een container-parameter (toegevoegd aan alle voorbeelden), invoertekstdelen gebruiken het type input_text, en webzoekopdrachten gebruiken de web_search-tool (web_search_preview is nu een verouderde tool zonder domeinfilters). Gegenereerde bestanden worden opgehaald met de functies fichiers_generes en telecharger uit Les 10. Bestanden die aan een bericht zijn gekoppeld, worden geüpload met het gebruik user_data, wat OpenAI aanbeveelt voor modelinvoer (File inputs). Bronnen: Code Interpreter · Web search.

Verwerken van gegevens: CSV, Excel, afbeeldingen

Code Interpreter verandert de aard van wat u het model vraagt te doen. Zonder deze tool krijgt u een beschrijving van wat er moet gebeuren; mét deze tool schrijft het model Python-code, voert deze uit in een sandbox, controleert het resultaat en corrigeert zijn eigen code als er een fout optreedt. Bij een gegevensbestand is het verschil doorslaggevend: niemand kan de structuur van een CSV raden zonder het te openen, en dat is precies wat code-uitvoering mogelijk maakt.

De redenering in deze les geldt voor de drie volgende formaten. U uploadt het bestand, beschrijft het verwachte resultaat in natuurlijke taal en haalt vervolgens een analyse of een nieuw bestand op. Het onderscheid tussen goed en slecht gebruik zit hem in de precisie van uw instructie: “analyseer dit bestand” levert een generieke samenvatting op, terwijl een genummerd verzoek zoals hieronder een resultaat oplevert dat u direct kunt gebruiken.

CSV-bestanden verwerken

Verkennende analyse

Begin hier altijd mee, zelfs als u denkt het bestand te kennen. Een CSV geëxporteerd uit een bedrijfstoepassing bevat verrassingen die de specificatie niet noemt: een numerieke kolom die als tekst is opgeslagen vanwege een decimaalteken, datums in drie verschillende formaten, of een totaalrij die halverwege de gegevens is geglipt. De vijf onderstaande punten—dimensies, typen, ontbrekende waarden, statistieken en een voorbeeld—zijn het minimum voordat u enige transformatie uitvoert, omdat ze bepalen wat u vervolgens kunt vragen.

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)

Schoonmaken en transformeren

Schoonmaken is de stap waarin beslissingen tellen, en waar u deze expliciet moet maken in plaats van ze aan het model over te laten. Het invullen van ontbrekende waarden met de mediaan voor getallen en de modus voor categorieën is een verdedigbare keuze, maar het blijft een keuze: bij een omzetkolom waar een derde van de waarden ontbreekt, creëert dit een kunstmatig smalle verdeling die elke volgende analyse zal vertekenen. Formuleer de regel in uw prompt, zoals hieronder getoond, en u weet wat er is gedaan; blijf vaag, en u moet het bestand opnieuw openen om het uit te zoeken.

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-bestanden verwerken

Code Interpreter kan native omgaan met Excel-bestanden dankzij openpyxl. Twee verschillen met CSV verdienen uw aandacht. Ten eerste bevat een werkmap meerdere bladen, en een prompt die er geen specificeert, zal het model laten werken met het eerste blad dat het tegenkomt; vraag daarom eerst om een lijst met bladen, zoals in het voorbeeld. Ten tweede bevat Excel formules, samengevoegde cellen en decoratieve koprijen—elementen die op gegevens lijken maar dat niet zijn, en die het model moet negeren omdat u het dat hebt verteld.

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"}}]
)

Meerdere bestanden samenvoegen

Samenvoegen is het geval waarin code-uitvoering handmatige verwerking ver overtreft: vier kwartalen betekenen vier bestanden waarvan de kolomnamen bijna gelijk zijn en de volgorde bijna identiek. Dat “bijna” is het probleem, en dat is precies wat een programma detecteert terwijl kopiëren en plakken het maskeert. Vraag naast de samengevoegde gegevens ook om een overzichtsblad: dit dient als controle, aangezien een totaal dat niet overeenkomt met de som van de vier bestanden direct een verkeerd uitgelijnde kolom onthult.

# 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"}}]
)

Afbeeldingen verwerken

Code Interpreter manipuleert afbeeldingen met Pillow, en u moet duidelijk zien wat dat inhoudt. Dit is afbeeldingsverwerking—formaat wijzigen, converteren, meten, samenstellen—geen visueel begrip: om te beschrijven wat een foto toont, zijn de visuele mogelijkheden van het model aan het werk, niet de sandbox. De twee combineren zeer goed in één oproep, waarbij het model naar de afbeelding kijkt terwijl de code deze transformeert.

Analyse en transformatie

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"}}]
)

Batchverwerking

Batchverwerking verschuift de vraag naar kosten en limieten. Elke geüploade afbeelding verbruikt opslagruimte en bezet de sandbox, waarvan de ruimte en levensduur begrensd zijn: bij meer dan enkele tientallen bestanden kost een lokaal script met Pillow minder en loopt het sneller. Reserveer batchverwerking voor gevallen waarin de beslissing moeilijk te coderen is—bijsnijden dat afhangt van de inhoud, een watermerk plaatsen waar de afbeelding het meest uniform is—en houd mechanische transformaties voor uw eigen machine.

# 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"}}]
)

Patroon: Volledige 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"
)

Ondersteunde formaten

FormaatExtensiesLezenSchrijven
CSV.csvJaJa
Excel.xlsx, .xlsJaJa
JSON.jsonJaJa
Afbeeldingen.png, .jpg, .gif, .bmpJaJa
Tekst.txt, .mdJaJa
PDF.pdfBeperkt lezenNee

Belangrijkste punten

  • Upload bestanden met purpose="user_data" en geef ze door via input_file
  • Het model kan native omgaan met CSV, Excel met meerdere bladen en afbeeldingen
  • Haal gegenereerde bestanden op uit de container_file_citation-annotaties en download ze via de containers-API (Les 10)
  • Vraag bij grote bestanden om batchverwerking
  • Combineer meerdere bestanden in één oproep voor samenvoegingen en vergelijkingen