对数据文件，ChatGPT 有两条路：把文件当纯文本读（直接抽几行”目测”汇总），或者调用 analysis tool（Code Interpreter / Advanced Data Analysis）真正跑 Python。走哪条路对准确率影响巨大——文本路径只能给你大致感觉，做求和 / 计数 / 透视一律会错。本地化、编码、合并单元格这些坑会让 Python 路径也出错，所以光”强制走代码”还不够。
最快修复： 开一个新对话，传上文件，prompt 开头写 Use the analysis tool.，再跟一句 Print df.shape, df.dtypes, and df.head() before computing anything.。如果回复里仍然没有 Analyzed 折叠块，说明它走的是文本路径，就是下面的原因 #1；如果它跑了 Python 但数字还是错，那基本是原因 #2（本地化）或 #3（编码）。
你属于哪一类
| 症状 | 最可能的原因 | 跳到 |
|---|---|---|
回复里没有 Analyzed / python 块 | 文本路径，没跑 Python | 原因 1 |
| 日期固定地错位（月 / 日互换） | 本地化（DD/MM vs MM/DD） | 原因 2 |
出现 ??、乱码、或多出来的列名 | 编码 / BOM / 引号 | 原因 3 |
出现 NaN 空洞、少行、读错 Sheet | 合并单元格 / 隐藏行 / 多 Sheet | 原因 4 |
| 大文件总数偏小 | 聚合前被采样 | 原因 5 |
| 代码跑了但答案就是错的 | 模型写的 pandas 代码有问题 | 原因 6 |
常见原因
按命中率从高到低：
1. 模型走的是文本抽取路径，没跑 Python
最常见。CSV / XLSX 传上去，模型直接读前几行做总结——没出现 python 代码块，没有 Analyzed 标记，也没有输出文件。看起来在”分析”，其实是在猜。
如何判断：回复里没有可展开的 Analyzed 折叠块（点开它能看到 Python 代码）。这个块不在，就说明 Code Interpreter 根本没跑。让它”用 analysis tool 重新算一遍”再对比结果。
2. 日期 / 数字本地化不一致
03/04/2026 在美国是 March 4，在欧洲是 April 3。1,234.56 在英美是一千二百多，在欧陆很多国家写成 1.234,56 才是这个数。模型默认用美式，欧式 CSV 的所有日期 / 金额都会错。
这里还有一个更隐蔽的坑：pandas 的日期推断是按列、但依赖行顺序的。如果 read_csv 把第一行读成合法美式日期（01/02/2026）就锁定 MM/DD，后面遇到一行只能解析成 DD/MM（13/02/2026）时会悄悄切换格式，却不回头重检前面那些行。结果你得到的列前半段按一种格式、后半段按另一种格式。解法是别让 pandas 猜：传 dayfirst=True 或显式 format=。
如何判断：让它”打印 Date 列前 5 行原始值 + 解析后的 datetime”。年份对了但月日反了、或者只有部分行反了，就是这条。
3. CSV 编码 / 引号 / BOM 异常
Excel 普通的”另存为 CSV”默认用系统代码页（中文 Windows 是 GBK，美 / 欧是 Windows-1252），不是 UTF-8。带中文 / 欧元符号会变成 ?? 或乱码。字段里有逗号却没加引号，会把后面每一列都顶错位。文件头的 BOM（）会让第一个列名变成 name，于是 df["name"] 直接报 KeyError。
如何判断：让它”打印 columns 列表 + 第一行的 raw bytes”。出现 ? 字符、列名带 前缀、或列数和你预期对不上，都是编码 / 引号问题。
4. Excel 隐藏行、合并单元格、多 Sheet
合并单元格会把值塞进左上角那一格，其余位置变 NaN。隐藏行 pandas 默认照样读出来（所以你以为删掉的行其实还在总数里）。多 Sheet 文件不指明 sheet_name 时只读第一个，你可能整篇都在分析错的那一页。
如何判断：让它跑 pd.read_excel(file, sheet_name=None).keys() 列出所有 Sheet，再打印 df.shape 对照 Excel 里看到的行 / 列数。
5. 大文件被采样后聚合
analysis tool 对 CSV / 表格的单文件上限大约是 50MB（截至 2026 年 6 月——列数上千的高密度文件远不到这个体积就可能卡住），行数到百万级时容器还可能内存溢出。一旦如此，模型有时只读前 N 行就开始算，不告诉你它在采样。
如何判断：让它打印 len(df)，对照文件真实行数（本地 wc -l，或者用文件大小估行数）。数字偏小就是采样或截断了。
6. 模型写的 Python 代码本身错
即使跑了 Python，代码也是模型生成的。df.groupby('region').sum() 看起来对，但如果金额列因为原因 #3 进来时是字符串，求和要么为空、要么把文本拼在一起。模型偶尔还会用已废弃的 pandas 写法（比如 infer_datetime_format=True，pandas 2.0 已移除），直接报错或行为异常。
如何判断：高风险任务都让它把代码贴出来，手算一行输出和原始数据核对一遍。
动手前先确认
- 确认问题出现在普通对话、Project，还是 Custom GPT；analysis tool 在三者里的可用性和上限不同，Free 用户配额尤其紧。
- 在 picker 里选对模型。截至 2026 年 6 月，picker 是 Instant / Thinking / Pro（都是 GPT-5.5；o3 和 GPT-5.2 一线已在 2026 年中前后从 ChatGPT 下线）。Thinking 写的分析代码更可靠、支持全部工具；Instant 在临界 prompt 上可能悄悄走文本路径。
- 复现前把当前对话复制一份，避免历史污染下一次诊断。
- 确认订阅级别：Free / Go / Plus / Business / Enterprise 在 analysis tool 配额、单文件大小、执行时长上限上都不一样。
需要收集的信息
- 文件类型（csv / xlsx / tsv / json）、大小（MB）、总行数、列数、是否含非 ASCII / 欧元符号 / 日期。
- 编码：本地用
file -I data.csv看是 utf-8 / utf-16 / windows-1252。 - 完整 prompt 文案 + ChatGPT 回复；特别记录”回复里有没有
Analyzed折叠块”。 - 当前模型（Instant / Thinking / Pro）、analysis tool 是否开启（Thinking 默认开；Instant 支持但可能跳过）。
- 一个具体错误的例子：你期望 X、它返回 Y、原始数据里的真值是 Z。
最短修复路径
按收益从高到低，前 3 步通常能修 80% 的问题。
Step 1：强制走 analysis tool，先看 schema
开新对话，把模型切到 Thinking，用这个 prompt 模板：
Use the analysis tool. Load `data.csv` into pandas, reading every column
as a string first (dtype=str) so nothing is silently coerced.
Print:
1. df.shape
2. df.dtypes
3. df.head()
4. For any date column, parse it with an explicit format and print the
first 3 parsed values next to the raw strings.
After confirming the schema, compute: <your real question>先把每一列都按字符串读进来，能防止 pandas 在你还没看到数据前就乱猜类型。这一步会暴露大部分格式问题，避免你拿错的 dtype 去做后续计算。
Step 2：日期 / 小数本地化显式声明
The Date column is DD/MM/YYYY (European format) — parse with dayfirst=True
or format="%d/%m/%Y", and do NOT let pandas auto-infer (it switches format
mid-column and corrupts earlier rows).
The Amount column uses a comma as the decimal separator (e.g. "1.234,56" =
1234.56) — strip thousands separators before converting to float.不要省这一段——本地化错误是无声的，输出看起来正常但数字全错。
Step 3：Excel 转 CSV，干掉合并单元格
上传前在本地处理一遍：
- 选中所有合并单元格 → 取消合并 → 把重复值填回去。
- 取消所有隐藏行 / 列。
- 另存为 →
CSV UTF-8 (Comma delimited)——不是默认那个 “CSV”，那个用的是你的系统代码页。 - 一行表头，无空行。
或者用 Python 在本地预处理：
import pandas as pd
df = pd.read_excel("source.xlsx", sheet_name="Sheet1")
df.to_csv("clean.csv", index=False, encoding="utf-8")Step 4：核验行数 + 抽样验算
每次分析末尾追加：
Print:
- Total rows read: len(df)
- Non-null count per column
- Sanity check: pick one row from the result, find it in the raw data,
and confirm the math matches.如果 len(df) 小于本地 wc -l 得到的真实行数，就是它采样或截断了。让它重新完整读一次文件，或者拆文件分批（Step 6）。
Step 5：把代码贴出来人工 review
高风险任务（财务报表、A/B 测试结论、对客户报的数）：
Show me the exact pandas code you used, with comments.读一遍 groupby 的列、聚合函数、过滤条件。比让模型再算一遍可靠得多。
Step 6：超大文件先本地切
文件接近或超过约 50MB 的 CSV 上限（或超过 100 万行）时，先本地切片再上传：
# 按行切 CSV
split -l 100000 large.csv part_
# 或者只取部分列
csvcut -c "date,amount,region" large.csv > slim.csv每段当成独立任务处理，最后自己聚合。
怎么确认已经修好
- 开新对话上传同一个文件，问同一个问题，确认答案稳定（不是上次蒙对）。
- 让 ChatGPT 输出一个总数 / 平均 / 分组结果，挑一行跟你手算或 Excel pivot 对，每一位都一致才算通过。
- 让同事在他们账号里跑一遍同样的 prompt，确认不是只有你这个会话被修好。
如果还是没修好
- 如果出现
Code Interpreter session expired提示，说明沙箱超时了（大约闲置 15-30 分钟、或触发用量上限后），你传的文件也没了。在同一轮里重新上传并重发 prompt。 - 把文件切到最小：100 行 CSV，只留出问题的几列，看最小用例能不能跑通。
- 换格式：xlsx → csv、csv → tsv、CSV → Parquet，排除是不是某种格式的解析路径有 bug。
- 把模型从 Instant 切到 Thinking；reasoning 模型写的分析代码更稳，也更不容易跳过工具。
- 准备好原文件 + prompt + 模型 + 订阅级别截图，去 help.openai.com 提工单。
预防建议
- 文件标准化模板：UTF-8、ISO 日期（
YYYY-MM-DD）、点作小数点、一行表头、无合并单元格、无空行。 - 每个数据任务都开头让它先
print(df.shape, df.dtypes, df.head())——schema bug 立刻暴露。 - 数字相关任务一律强制 “use the analysis tool”，永远别信模型的口算。
- 高风险任务建立”双重核对”习惯：让它贴代码 + 你手算一行验证 + 用 Excel pivot 再对一遍。
- 反复分析的同类报表，把数据清洗代码写进一个 Custom GPT 的 instructions，保证 schema 处理始终一致。
常见问题
为什么 ChatGPT 说它分析了我的文件，可明明没有？
因为文本路径会从前几行拼出一段听起来很像样的总结，根本不跑代码。判别点就是缺少 Analyzed 折叠块。看不到它，就说明没跑 Python——强制走 analysis tool 重问一遍。
为什么只有一部分行的日期错了一个月？
这就是 pandas 那个依赖行顺序的推断坑（原因 #2）：它在前几行锁定了美式格式，到中途又切成欧式，却不回头重检。强制 dayfirst=True 或显式 format=，别让它自动猜。
CSV 上传到底有多大的上限？ 截至 2026 年 6 月，单个表格 / CSV 大约 50MB，列数上千的高密度文件远不到这个体积就可能失败。纯文本类文档受 token 限制（每个文件约 200 万 token），不是看原始体积。大 CSV 先在本地切再传。
Code Interpreter session expired——我的数据丢了吗？ 沙箱是临时的，闲置一段时间或触发用量上限后就清空，你上传的文件和内存里的 DataFrame 都跟着没了。在同一条消息里重新上传文件并重发指令即可。
数据任务该用 Instant 还是 Thinking？ 用 Thinking。它写的分析代码更可靠、支持全部工具，也更不容易悄悄走文本路径。Instant 留给快速、非数值的问题。
相关阅读
- ChatGPT 文件分析感觉太浅
- ChatGPT 大文档分析感觉很浅
- ChatGPT 上传的 PDF 分析不正确
- ChatGPT 项目功能
- ChatGPT 文件分析
- ChatGPT Projects 进阶工作流
- ChatGPT Custom GPT 上传的文件未被使用：3 个原因 + 修复路径
- ChatGPT Project 导出缺少附件
- ChatGPT Project Instructions 更新后被忽略
- ChatGPT Project Knowledge 编辑后没更新
标签: #ChatGPT #ChatGPT 文件 #排查 #排查 #数据文件