Salt la conținutul principal
Română— Alege o limbă
Meniu

Procesarea datelor: CSV, Excel, imagini

Lecția 12 din 20 Actualizată 2 noiembrie 2026 Dezvoltator
Pe această pagină
  1. Procesarea datelor: CSV, Excel, imagini
  2. Procesarea fișierelor CSV
  3. Procesarea fișierelor Excel
  4. Procesarea imaginilor
  5. Model: Pipeline ETL complet
  6. Formate acceptate
  7. Puncte cheie

Actualizat la 2 noiembrie 2026 pe baza documentației OpenAI: instrumentul Code Interpreter necesită un parametru container (adăugat în toate exemplele), părțile de text de intrare folosesc tipul input_text, iar căutarea pe web utilizează instrumentul web_search (web_search_preview este acum un instrument legacy fără filtre de domeniu). Fișierele generate sunt recuperate folosind funcțiile fichiers_generes și telecharger din Lecția 10. Fișierele atașate unui mesaj sunt încărcate cu utilizarea user_data, pe care OpenAI o recomandă pentru intrările modelului (File inputs). Surse: Code Interpreter · Web search.

Procesarea datelor: CSV, Excel, imagini

Code Interpreter schimbă natura a ceea ce cereți modelului să facă. Fără acesta, obțineți o descriere a ceea ce trebuie făcut; cu acesta, modelul scrie cod Python, îl execută într-un mediu izolat (sandbox), verifică rezultatul și își corectează propriul cod dacă face o greșeală. Pentru un fișier de date, diferența este decisivă: nimeni nu poate ghici structura unui CSV fără a-l deschide, iar exact acest lucru permite executarea codului.

Raționamentul din această lecție se aplică celor trei formate care urmează. Încărcați fișierul, descrieți rezultatul așteptat în limbaj natural și recuperați fie o analiză, fie un nou fișier. Ceea ce separă o utilizare bună de una slabă ține de precizia instrucțiunii dumneavoastră: „analizează acest fișier“ produce un rezumat generic, în timp ce o cerere numerotată, ca cele de mai jos, produce un rezultat pe care îl puteți utiliza ca atare.

Procesarea fișierelor CSV

Analiză exploratorie

Începeți întotdeauna aici, chiar dacă credeți că cunoașteți fișierul. Un CSV exportat dintr-un instrument de business conține surprize pe care specificația nu le menționează: o coloană numerică stocată ca text din cauza separatorului zecimal, date în trei formate diferite sau un rând de total strecurat la mijlocul datelor. Cele cinci puncte solicitate mai jos—dimensiuni, tipuri, valori lipsă, statistici și o previzualizare—reprezintă minimul necesar înainte de orice transformare, deoarece ele determină ceea ce puteți cere în continuare.

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)

Curățare și transformare

Curățarea este pasul în care deciziile contează și unde trebuie să le luați explicit, în loc să le lăsați în seama modelului. Completarea valorilor lipsă cu mediana pentru numere și cu modul pentru categorii este o alegere defensabilă, dar rămâne o alegere: într-o coloană de venituri unde o treime din valori lipsesc, acest lucru creează o distribuție artificial de îngustă care va distorsiona orice analiză ulterioară. Enunțați regula în prompt-ul dumneavoastră, așa cum se arată mai jos, și veți ști ce s-a făcut; rămâneți vag și va trebui să redeschideți fișierul pentru a afla.

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")

Procesarea fișierelor Excel

Code Interpreter gestionează nativ fișierele Excel datorită librăriei openpyxl. Două diferențe față de CSV merită atenția dumneavoastră. În primul rând, un registru de lucru conține mai multe foi, iar un prompt care nu specifică una anume va face modelul să lucreze pe cea pe care o selectează primul; prin urmare, începeți prin a cere o listă a foilor, ca în exemplu. În al doilea rând, Excel conține formule, celule îmbinate și rânduri de antet decorative—elemente care arată ca date, dar nu sunt, și pe care modelul trebuie să știe să le ignore deoarece i-ați spus acest lucru.

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"}}]
)

Îmbinarea mai multor fișiere

Îmbinarea este cazul în care executarea codului devansează cel mai mult procesarea manuală: patru trimestre înseamnă patru fișiere ale căror coloane au nume aproape identice și o ordine aproape aceeași. Acest „aproape“ este problema, iar acesta este exact ceea ce detectează un program, în timp ce copierea și lipirea maschează discrepanțele. Cereți o foaie de rezumat în plus față de datele îmbinate: aceasta servește drept control, deoarece un total care nu corespunde sumei celor patru fișiere relevă imediat o coloană aliniată greșit.

# 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"}}]
)

Procesarea imaginilor

Code Interpreter manipulează imaginile cu Pillow, iar dumneavoastră trebuie să vedeți clar ce acoperă acest lucru. Este vorba despre procesarea imaginilor—redimensionare, conversie, măsurare, compunere—nu despre înțelegerea vizuală: pentru a descrie ceea ce arată o fotografie, sunt activate capacitățile de viziune ale modelului, nu sandbox-ul. Cele două se combină foarte bine într-un singur apel, modelul privind imaginea în timp ce codul o transformă.

Analiză și transformare

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"}}]
)

Procesare în lot (Batch processing)

Procesarea în lot mută problema spre costuri și limite. Fiecare imagine încărcată consumă stocare și ocupă sandbox-ul, al cărui spațiu și durată de viață sunt limitate: dincolo de câteva zeci de fișiere, un script local cu Pillow costă mai puțin și rulează mai repede. Rezervați procesarea în lot pentru cazurile în care decizia este greu de codificat—decupare care depinde de conținut, un filigran de plasat acolo unde imaginea este cea mai uniformă—și păstrați transformările mecanice pentru propria mașină.

# 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"}}]
)

Model: Pipeline ETL complet

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"
)

Formate acceptate

FormatExtensiiCitireScriere
CSV.csvDaDa
Excel.xlsx, .xlsDaDa
JSON.jsonDaDa
Imagini.png, .jpg, .gif, .bmpDaDa
Text.txt, .mdDaDa
PDF.pdfCitire limitatăNu

Puncte cheie

  • Încărcați fișierele cu purpose="user_data" și transmiteți-le prin input_file
  • Modelul gestionează nativ CSV, Excel cu mai multe foi și imagini
  • Recuperați fișierele generate din adnotările container_file_citation și descărcați-le prin API-ul containers (Lecția 10)
  • Pentru fișiere mari, solicitați procesarea în lot
  • Combinați mai multe fișiere într-un singur apel pentru îmbinări și comparații