2.9.26
Rilasciata il 2 nov 2026
Sito ufficiale di Fredit Flow
Data cleaning python: script che controlli e testi tu
Fredit Flow 2.9.26 è un agente per Windows che scrive ed esegue script Python di pulizia sui tuoi file CSV e JSON, salva il risultato in un file nuovo e ti mostra il diff.
Pulisci customers.csv: togli gli spazi in eccesso, porta le e-mail in minuscolo, elimina i clienti duplicati e salva customers_clean.csv.
- glob
./*.csv2 file - read_file
./customers.csvcampione letto - write_file
./clean_customers.pysalvato - Shell
your Python command clean_customers.pyexit 0 - read_file
./customers_clean.csv8 righe
In attesa del tuo OK prima del passo successivoRifiutaAccetta
Windows 10/11
Solo a 64 bit (x64)
Circa 34 MB
L'.exe portatile pesa circa 25 MB
13 lingue
Integrate nell'app
Non serve
Nessuna registrazione
Cloud o locali
Oppure il modello integrato
Come funzionano qui gli script di data cleaning python
Uno script di data cleaning python trova e corregge gli errori di un dataset prima dell'analisi: tipi sbagliati, spazi vaganti, maiuscole e minuscole miste, righe duplicate e valori mancanti. Fredit Flow scrive ed esegue lo script mentre tu approvi ogni regola e leggi il diff. L'originale resta intatto. I dati puliti finiscono in un file nuovo, e i 4 esempi qui sotto mostrano i passaggi.
Sistema l'esportazione clienti del tuo negozio
Un'esportazione del negozio chiamata customers.csv contiene spazi vaganti, e-mail con maiuscole e minuscole miste, clienti ripetuti ed età salvate come testo. Fredit Flow usa prima read_file per guardare le prime righe, poi write_file salva clean_customers.py, uno script che toglie gli spazi, porta le e-mail in minuscolo, salta gli indirizzi ripetuti e trasforma le età in numeri. Shell lo esegue con il tuo comando Python e riporta il vero codice di uscita e il numero di righe stampato. Il risultato è customers_clean.csv. Il tuo originale, customers.csv, resta com'era. In modalità Ask first la scheda si ferma prima che il file venga salvato, e tu controlli a mano 10 righe di entrambi i file prima di fidarti del risultato.
Registro degli strumenti
read_file ./customers.csv → first rows
write_file ./clean_customers.py → saved
Shell your Python command clean_customers.py → exit 0
read_file ./customers_clean.csv → 8 rowsDecidi cosa fare dei valori mancanti
I valori mancanti non hanno un'unica risposta giusta, e questa parte del processo di pulizia dei dati spetta a te. In sales.csv, grep cerca due virgole di fila, il che trova solo i vuoti a metà riga; lo script deve quindi gestire anche i vuoti a fine riga e segnaposto come n/a. Scegli una regola per colonna: scartare la riga, riempire con un valore fisso, riempire con la mediana oppure tenere il vuoto e segnalarlo. write_file crea clean_sales.py, edit_file modifica quello script e, in modalità Ask first, leggi il diff. Annota ogni scelta. Poi rileggi tu stesso 5 righe segnalate in sales_clean.csv.
Registro degli strumenti
grep ,, ./sales.csv → 6 lines
write_file ./clean_sales.py → saved
edit_file ./clean_sales.py → +9 lines
Shell your Python command clean_sales.py → exit 0Data wrangling con Python: unisci due file su una chiave
Hai orders.csv e customers.csv del tuo negozio e vuoi un'unica tabella. read_file mostra le intestazioni di entrambi, così l'agente può indicare l'id cliente in comune, e write_file salva merge_orders.py. Shell esegue lo script con il tuo comando Python e stampa quanti ordini hanno trovato un cliente e quanti no. Le righe senza corrispondenza vengono elencate. Finiscono in un file separato invece di sparire, e anche la tabella unita va in un file nuovo. Confronta i 2 conteggi di righe con gli originali, poi apri qualche riga unita per verificare che ogni ordine porti il cliente giusto.
Leggi il piano prima che giri qualcosa
La modalità Plan only scrive i passaggi di pulizia e non esegue nulla, quindi non parte nessun comando e nessun file cambia. Per una cartella di esportazioni, il piano elenca cosa ispezionerà read_file, quali regole applicherà lo script e dove andrà ogni file di output. I piani sopravvivono ai riavvii. Lo leggi, chiedi un'altra regola nella chat e passi a Ask first per eseguirlo. In seguito, Cron può rieseguire lo script a intervalli programmati, così 1 nuova esportazione riceve le stesse regole. Lo script Python salvato è un correttore di CSV in testo semplice: puoi leggerlo, provarlo su una copia e conservarlo.
In cosa si distingue da un normale assistente chat
Gli assistenti chat suggeriscono dei passaggi. Fredit Flow 2.9.26 esegue gli strumenti da solo, e ogni azione compare nella chat come una scheda con il suo risultato reale, per esempio l'output del comando o il diff del file.
| Normale assistente chat | Fredit Flow | |
|---|---|---|
| Azioni | Suggerisce uno script e lascia a te l'esecuzione | Esegue gli strumenti e mostra ogni risultato in una scheda |
| I tuoi file | Lavora sul testo che incolli nella chat | Legge i file nella cartella di lavoro della chat |
| Modifiche | Copi le modifiche a mano | Mostra un diff prima che tu accetti una modifica in Ask first |
| Privacy dei dati | Il testo incollato va al provider | Con un modello locale, nulla lascia il tuo PC |
Come iniziare
- Scarica il programma di installazione, circa 34 MB, e confronta il suo checksum SHA-256 con il manifest pubblicato.
- Eseguilo su Windows 10 o 11, poi collega un modello: un provider cloud, un modello in esecuzione in locale o quello integrato.
- Scegli la cartella del progetto che contiene i tuoi file CSV o JSON; gli strumenti per i file lavorano nella cartella di lavoro della chat.
- Chiedi un lavoro di pulizia in modalità Ask first o Plan only, leggi il diff, esegui lo script su una copia e controlla l'output a mano.
Chi lo usa e quando
Analisti, titolari di negozi e responsabili di sondaggi con un'esportazione disordinata sono il primo gruppo. I loro file CSV e JSON arrivano con spazi vaganti, formati di data misti e clienti ripetuti, e vogliono uno script che possano leggere, rieseguire e conservare. Gli originali restano come sono.
Studenti e ingegneri che preparano i dati per il machine learning sono il secondo gruppo. I dati reali e disordinati fanno saltare i modelli di continuo, e la preparazione dei dati è il nome della pulizia seguita da passaggi come la codifica delle categorie e il ridimensionamento dei numeri. Dividi prima. Fredit Flow 2.9.26 scrive lo script, tu controlli la divisione.
Chi ha dati personali nei file ha un passaggio in più. I prompt e qualsiasi testo dei file letto dall'agente vanno all'endpoint del modello che scegli, quindi usa un modello in esecuzione in locale sul tuo PC oppure togli prima le colonne personali. Sappi dove vanno i tuoi prompt. Lavora solo su dati che ti appartengono o che hai il diritto di trattare.
Domande frequenti
Che cosa significa «data cleaning python»?
L'espressione indica la scrittura di uno script Python che trova e corregge gli errori di un dataset prima dell'analisi, come tipi sbagliati, spazi vaganti, righe duplicate e valori mancanti. Fredit Flow aiuta scrivendo ed eseguendo quello script insieme a te. Sei tu ad approvare ogni regola.
freditcode.com è il sito ufficiale di Fredit Flow?
Sì, freditcode.com è il sito ufficiale di Fredit Flow. L'installer non è firmato. Confronta il checksum SHA-256 del tuo download con il manifest pubblicato prima di eseguirlo, e invia qualsiasi domanda con il pulsante Send feedback dentro l'app.
Quando vale la pena pulire i dati storici?
Vale la pena quando i vecchi record alimentano ancora un report, una decisione o un modello, e i loro errori seguono regole che uno script può esprimere. Altrimenti archiviali senza toccarli. Tieni comunque la copia grezza, perché puoi rifare una regola solo finché esiste l'originale.
Da quali buone pratiche di pulizia dei dati comincio?
Cinque abitudini vengono per prime. Guarda i dati grezzi prima di scrivere una regola, annota ogni regola e salva il risultato in un file nuovo invece di sovrascrivere l'originale. Poi confronta il numero di righe prima e dopo e controlla l'output a mano.
L'agente sovrascrive il mio file originale?
No, a patto che tu chieda un nuovo file di output, e tutti gli esempi qui lo fanno. In modalità Ask first l'agente si ferma prima di cambiare qualsiasi cosa, così puoi leggere il diff e rifiutare una scrittura che punta all'originale. Fai anche un backup.
I miei file lasciano il PC?
Dipende da quello che scegli. Con un modello cloud, il testo del prompt, compreso il testo dei file letto dall'agente, va a quel provider, mentre un modello in esecuzione in locale sul tuo PC non invia nulla all'esterno. I dati personali richiedono quindi un modello locale.
I risultati sono sempre giusti?
No. L'agente applica le regole che approvi e non può sapere se un valore è vero, e nessuna pulizia automatica è completa. Leggi il diff, prova lo script su una copia e controlla a mano il file pulito prima di fidarti.
Provalo su una copia dei tuoi dati
Scarica Fredit Flow 2.9.26 per Windows 10 o 11, collega un modello e puntalo su una copia di un file che ti appartiene. Non serve un account. Leggi ogni diff.
Scarica Fredit Flow per Windows ↗Altro su Fredit Flow
Ogni pagina è disponibile in 20 lingue.
Cosa può fare l'agente con i tuoi file ↗ Modelli cloud, locali e integrato ↗ Flussi di pulizia passo dopo passo ↗ Scarica e verifica l'installer ↗ Domande e risposte ↗ Privacy e trattamento dei dati ↗
