OpenParable
Skip to content
← Back to skills

CSV Formatter

Documents
csv_formatter

CSV Formatter is an Agent Skill for documents published in the cas-bigdatalab/piflow repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.

CSV格式化器。用于加载和格式化csv类型的文件。 本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到CSV格式化、CSV数据加载、读取CSV文件、CSV转JSONL等需求时使用此skill。

View on GitHub ↗
QUICK START

How to use this skill

Bring this guide into your coding agent with a prompt tailored to the tool you use.

  1. Open your project in Codex.
  2. Copy and paste the prompt below.
  3. Review files and risks before approving any action.
Prompt to paste
Inspect the Agent Skill at https://github.com/cas-bigdatalab/piflow/blob/HEAD/workspace/skills/csv_formatter/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/csv-formatter, but wait for my approval before writing files or running scripts.

Copying this prompt does not install or run the skill. Review third-party files before use.

功能概述

该算子用于加载 CSV 格式的文件并格式化为统一的数据集格式，输出为 JSONL 格式。

核心参数

参数类型必填默认值说明
input_pathstring是-输入CSV文件路径或目录
output_pathstring是-输出JSONL文件路径
text_keyslist否无默认值文本字段名列表
add_suffixbool否False是否添加文件后缀信息
num_procint否1并行处理的进程数
encodingstring否utf-8CSV文件编码格式

输入数据格式

输入可以是：

  1. 单个 CSV 文件：/path/to/data.csv
  2. CSV 文件目录：/path/to/csv_directory/

输出数据格式

输出为 JSONL 格式，每行一个样本。

使用示例

命令行调用

# 加载单个CSV文件
python scripts/run_csv_formatter.py \
  --input_path /path/to/input.csv \
  --output_path /path/to/output.jsonl

# 指定文本字段
python scripts/run_csv_formatter.py \
  --input_path /path/to/input.csv \
  --output_path /path/to/output.jsonl \
  --text_keys text \
  --text_keys title

# 加载目录中的所有CSV文件
python scripts/run_csv_formatter.py \
  --input_path /path/to/csv_directory \
  --output_path /path/to/output.jsonl \
  --add_suffix

# 指定编码格式（如GBK）
python scripts/run_csv_formatter.py \
  --input_path /path/to/input.csv \
  --output_path /path/to/output.jsonl \
  --encoding gbk

参数说明

  • --input_path: 输入CSV文件或目录路径
  • --output_path: 输出JSONL文件路径
  • --text_keys: 文本字段名，可重复指定多个
  • --add_suffix: 是否添加文件后缀信息
  • --num_proc: 并行进程数，默认1
  • --encoding: CSV文件编码格式，默认utf-8，如GBK文件可指定 --encoding gbk

注意事项

  1. 输入文件必须是有效的 CSV 格式
  2. text_keys 用于标识哪些字段是文本字段
  3. 空值或None的文本样本会被自动过滤