2.9.26
Phát hành 28 thg 10, 2026
Trang web chính thức của Fredit Flow
Data cleaning python: script bạn xem lại và kiểm thử
Fredit Flow 2.9.26 là agent Windows viết và chạy script làm sạch Python trên các tệp CSV và JSON của chính bạn, lưu kết quả vào một tệp mới và cho bạn xem diff.
Làm sạch customers.csv: cắt khoảng trắng, đổi e-mail sang chữ thường, bỏ khách hàng trùng và lưu thành customers_clean.csv.
- glob
./*.csv2 tệp - read_file
./customers.csvđã đọc mẫu - write_file
./clean_customers.pyđã lưu - Shell
your Python command clean_customers.pymã thoát 0 - read_file
./customers_clean.csv8 dòng
Đang chờ bạn đồng ý trước bước tiếp theoTừ chốiChấp nhận
Windows 10/11
Chỉ bản 64-bit (x64)
Khoảng 34 MB
Bản .exe portable khoảng 25 MB
13 ngôn ngữ
Tích hợp sẵn trong ứng dụng
Không cần
Không có gì phải đăng ký
Đám mây hoặc cục bộ
Hoặc mô hình tích hợp sẵn
Script data cleaning python hoạt động thế nào ở đây
Script data cleaning python tìm và sửa lỗi trong tập dữ liệu trước khi phân tích: kiểu dữ liệu sai, khoảng trắng thừa, chữ hoa chữ thường lẫn lộn, dòng trùng lặp và giá trị bị thiếu. Fredit Flow viết và chạy một script như vậy trong khi bạn duyệt từng quy tắc và đọc diff. Tệp gốc không bị đụng đến. Dữ liệu đã làm sạch được ghi vào một tệp mới, và 4 hướng dẫn bên dưới cho thấy từng bước.
Chỉnh lại bản xuất khách hàng từ cửa hàng của bạn
Bản xuất của cửa hàng có tên customers.csv chứa khoảng trắng thừa, e-mail viết hoa thường lẫn lộn, khách hàng lặp lại và tuổi được lưu dưới dạng văn bản. Trước hết Fredit Flow dùng read_file để xem vài dòng đầu, sau đó write_file lưu clean_customers.py, một script cắt khoảng trắng, đổi e-mail sang chữ thường, bỏ qua địa chỉ lặp và chuyển tuổi thành số. Shell chạy nó bằng lệnh Python của chính bạn và báo mã thoát thực tế cùng số dòng được in ra. Kết quả là customers_clean.csv. Tệp gốc customers.csv của bạn vẫn như cũ. Ở chế độ Ask first, thẻ dừng lại trước khi tệp được lưu, và bạn tự kiểm tra thủ công 10 dòng của cả hai tệp trước khi tin vào kết quả.
Nhật ký công cụ
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 rowsQuyết định xử lý giá trị bị thiếu thế nào
Giá trị bị thiếu không có đáp án đúng duy nhất, và phần này của quy trình làm sạch dữ liệu là quyết định của bạn. Trong sales.csv, grep tìm hai dấu phẩy liên tiếp, và cách đó chỉ thấy ô trống ở giữa dòng, nên script còn phải xử lý ô trống ở cuối dòng và các giá trị thay thế như n/a. Bạn chọn một quy tắc cho từng cột: bỏ dòng, điền một giá trị cố định, điền giá trị trung vị, hoặc giữ chỗ trống và đánh dấu. write_file tạo clean_sales.py, edit_file sửa script đó, và ở chế độ Ask first bạn đọc diff. Hãy ghi lại từng lựa chọn. Sau đó tự đọc 5 dòng được đánh dấu trong sales_clean.csv.
Nhật ký công cụ
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 với Python: gộp hai tệp theo một khóa
Bạn có orders.csv và customers.csv từ cửa hàng của mình và muốn có một bảng duy nhất. read_file hiện các dòng tiêu đề của cả hai tệp, nhờ đó agent có thể gọi tên mã khách hàng chung, và write_file lưu merge_orders.py. Shell chạy script bằng lệnh Python của chính bạn và in ra có bao nhiêu đơn hàng tìm được khách hàng và bao nhiêu đơn không tìm được. Các dòng không khớp được liệt kê. Chúng được ghi vào một tệp riêng chứ không biến mất, và bảng đã gộp cũng được ghi vào tệp mới. Hãy so sánh hai số dòng với tệp gốc, rồi mở vài dòng đã gộp để kiểm tra mỗi đơn hàng có đúng khách hàng.
Đọc kế hoạch trước khi có gì chạy
Chế độ Plan only viết ra các bước làm sạch và không chạy gì cả, nên không có lệnh nào bắt đầu và không có tệp nào thay đổi. Với một thư mục chứa các bản xuất, kế hoạch liệt kê những gì read_file sẽ xem, script sẽ áp dụng quy tắc nào và mỗi tệp đầu ra sẽ nằm ở đâu. Kế hoạch vẫn còn sau khi khởi động lại. Bạn đọc nó, yêu cầu một quy tắc khác trong cuộc trò chuyện, rồi chuyển sang Ask first để thực hiện. Sau này, Cron có thể chạy lại script theo lịch, nên 1 bản xuất mới sẽ nhận cùng các quy tắc. Script Python đã lưu là một công cụ làm sạch CSV ở dạng văn bản thuần: bạn có thể đọc, chạy trên bản sao và giữ lại.
Khác gì so với trợ lý trò chuyện thông thường
Trợ lý trò chuyện đề xuất các bước. Fredit Flow 2.9.26 tự chạy công cụ, và mỗi hành động hiện trong cuộc trò chuyện dưới dạng một thẻ kèm kết quả thực, chẳng hạn kết quả lệnh hoặc diff của tệp.
| Trợ lý trò chuyện thông thường | Fredit Flow | |
|---|---|---|
| Hành động | Đề xuất script và để bạn tự chạy | Chạy công cụ và hiện từng kết quả dưới dạng thẻ |
| Tệp của bạn | Làm việc từ văn bản bạn dán vào cuộc trò chuyện | Đọc các tệp trong thư mục làm việc của cuộc trò chuyện |
| Thay đổi | Bạn tự sao chép các chỉnh sửa thủ công | Hiện diff trước khi bạn chấp nhận một chỉnh sửa ở chế độ Ask first |
| Quyền riêng tư dữ liệu | Văn bản đã dán được gửi tới nhà cung cấp | Với mô hình cục bộ, không có gì rời khỏi máy tính của bạn |
Cách bắt đầu
- Tải chương trình cài đặt, khoảng 34 MB, và so sánh mã kiểm tra SHA-256 của nó với bản kê đã công bố.
- Chạy nó trên Windows 10 hoặc 11, rồi kết nối một mô hình: nhà cung cấp đám mây, mô hình chạy cục bộ hoặc mô hình tích hợp sẵn.
- Chọn thư mục dự án chứa các tệp CSV hoặc JSON của chính bạn; các công cụ tệp hoạt động bên trong thư mục làm việc của cuộc trò chuyện.
- Yêu cầu một tác vụ làm sạch ở chế độ Ask first hoặc Plan only, đọc diff, chạy script trên bản sao và kiểm tra ngẫu nhiên kết quả.
Ai dùng và khi nào
Nhóm đầu tiên là các nhà phân tích, chủ cửa hàng và người làm khảo sát có bản xuất lộn xộn. Các tệp CSV và JSON của họ đến với khoảng trắng thừa, định dạng ngày lẫn lộn và khách hàng lặp lại, và họ muốn một script có thể đọc, chạy lại và giữ lại. Tệp gốc vẫn nguyên vẹn.
Nhóm thứ hai là sinh viên và kỹ sư chuẩn bị dữ liệu cho học máy. Dữ liệu thực tế lộn xộn liên tục làm hỏng mô hình, và tiền xử lý dữ liệu là tên gọi của việc làm sạch rồi tới các bước như mã hóa danh mục và chuẩn hóa thang số. Hãy tách trước. Fredit Flow 2.9.26 viết script, bạn kiểm tra phần tách.
Ai có tệp chứa thông tin cá nhân sẽ có thêm một bước. Prompt và mọi văn bản tệp mà agent đọc được gửi tới điểm cuối mô hình bạn chọn, nên hãy dùng mô hình chạy cục bộ trên máy tính của bạn hoặc xóa các cột cá nhân trước. Hãy biết prompt đi đâu. Chỉ làm việc với dữ liệu của bạn hoặc dữ liệu bạn có quyền xử lý.
Câu hỏi thường gặp
“Data cleaning python” nghĩa là gì?
Cụm từ này nghĩa là viết một script Python tìm và sửa lỗi trong tập dữ liệu trước khi phân tích, như kiểu dữ liệu sai, khoảng trắng thừa, dòng trùng lặp và giá trị bị thiếu. Fredit Flow giúp bằng cách cùng bạn viết và chạy script đó. Bạn duyệt từng quy tắc.
freditcode.com có phải trang web chính thức của Fredit Flow không?
Có, freditcode.com là trang web chính thức của Fredit Flow. Bộ cài chưa được ký số. Hãy so sánh mã kiểm tra SHA-256 của tệp bạn tải với bản kê đã công bố trước khi chạy, và gửi câu hỏi qua nút Send feedback ngay trong ứng dụng.
Khi nào dữ liệu cũ đáng được làm sạch?
Đáng làm sạch khi các bản ghi cũ vẫn đưa vào báo cáo, quyết định hoặc mô hình, và lỗi của chúng theo những quy tắc mà một script có thể diễn đạt. Nếu không, hãy lưu trữ chúng nguyên trạng. Dù thế nào cũng giữ bản thô, vì bạn chỉ làm lại được một quy tắc khi bản gốc còn tồn tại.
Nên bắt đầu với những thực hành tốt nhất nào khi làm sạch dữ liệu?
Năm thói quen đi đầu. Xem dữ liệu thô trước khi viết quy tắc, ghi lại từng quy tắc, và lưu kết quả vào tệp mới thay vì ghi đè tệp gốc. Sau đó so sánh số dòng trước và sau, rồi kiểm tra ngẫu nhiên đầu ra bằng tay.
Agent có ghi đè tệp gốc của tôi không?
Không, nếu bạn yêu cầu một tệp đầu ra mới, và mọi ví dụ ở đây đều làm vậy. Ở chế độ Ask first, agent dừng lại trước khi thay đổi bất cứ thứ gì, nên bạn có thể đọc diff và từ chối thao tác ghi nhắm vào tệp gốc. Hãy tạo thêm bản sao lưu.
Tệp của tôi có rời khỏi máy tính không?
Câu trả lời tùy lựa chọn của bạn. Với mô hình đám mây, văn bản prompt, gồm cả văn bản tệp mà agent đọc, được gửi tới nhà cung cấp đó, còn mô hình chạy cục bộ trên máy tính của bạn không gửi gì ra ngoài. Vì vậy dữ liệu cá nhân cần mô hình cục bộ.
Kết quả có luôn đúng không?
Không. Agent áp dụng các quy tắc bạn đã duyệt và không thể phán đoán một giá trị có đúng hay không, và không có quy trình làm sạch tự động nào là hoàn chỉnh. Hãy đọc diff, kiểm thử script trên bản sao và kiểm tra ngẫu nhiên tệp đã làm sạch bằng tay trước khi tin dùng.
Thử trên bản sao dữ liệu của chính bạn
Tải Fredit Flow 2.9.26 cho Windows 10 hoặc 11, kết nối một mô hình và trỏ nó vào bản sao của một tệp thuộc về bạn. Không cần tài khoản. Hãy đọc mọi diff.
Tải Fredit Flow cho Windows ↗Tìm hiểu thêm về Fredit Flow
Mọi trang đều có sẵn trong 20 ngôn ngữ.
Agent có thể làm gì với các tệp của bạn ↗ Mô hình đám mây, cục bộ và tích hợp sẵn ↗ Quy trình làm sạch từng bước ↗ Tải về và xác minh bộ cài ↗ Hỏi và đáp ↗ Quyền riêng tư và xử lý dữ liệu ↗
