Excel 数据整洁化

问题场景

业务里常见的 Excel 往往不是「一张干净表」：合并单元格、空行空列、表头大小写混乱、同一列混着文本与数字、重复行和 n/a/null 等占位符并存。直接覆盖原文件或凭肉眼改几列，很难复盘「删了什么、假定什么」，也不适合反复跑同一套规则。

技能如何工作

技能强调可逆、可审计的流程：先确认目标与输出格式，再检视工作簿（sheet 名、维度、合并格、表头行、空白行列、类型与重复候选、明显的 ID/日期/金额列）。清洗强度分三档：

• Light cleanup：去空白行列、规范化表头、保留全部记录
• Standard cleanup：在 light 基础上做去重与常见类型 coercion
• Custom cleanup：按你给的列规则、过滤、关联、透视或拆 sheet

可重复任务优先用 bundled 的 scripts/tidy_excel.py；复杂业务规则则写短脚本或 notebook 式 Python，输出新工作簿并在 _tidy_summary 或回复里给出 QA（处理前后行列数、去重数、高缺失列、假定与转换、输出路径）。默认规则包括：不覆盖原文件、表头转 snake_case、trim 文本、统一空值标记、仅在明确要求时去重或删行、前导零 ID 保持文本、歧义日期/金额不做破坏性转换。

适用边界

合并、透视、多行表头或强领域规则需要先 inspect 再改流程；表结构保留或公式依赖时更偏向 openpyxl，纯表变换用 pandas。技能不会替你在格式不明时强行统一货币或日期语义——这类转换应写进 QA 说明或自定义规则。