Excel 脏数据快速清洗模板

痛点：手工清洗的泥潭

收到外部提供的表格时，数据往往处于“原始状态”：同一行可能重复出现，前后带不可见空格，日期和手机号格式混乱。人工使用 Excel 处理这类数据，不仅耗时，且难以追踪每一步修改了多少行，导致后续复核成本极高。

工作原理：配置驱动的确定性清洗

本技能通过接收清洗配置与原始数据，调用 scripts/clean_table.py 执行自动化处理，核心能力包括：

• 去重与补全：支持整行去重或按关键列（如手机号）去重，通过 dedup_keep 参数控制保留首条或末条。空值处理支持固定值、向下填充、均值填充或标记 【缺失】。
• 格式与结构规整：自动去首尾空格、转换全角半角、统一日期为 YYYY-MM-DD。可将包含分隔符的列（如“省-市-区”）拆分为多列。
• 清洗报告：这是本技能的核心产物。它会生成一份 Markdown 与 CSV 格式的报告，逐条列出操作步骤、影响行数、缺失率统计以及存疑数据清单。

处理流程主要分为两步：将用户输入的表格文本解析为 JSON 结构，然后执行脚本输出清洗结果与报告。

适用边界与注意点

• 本技能处理的是用户粘贴的表格文本或 CSV 内容；如果源文件是 .xlsx，请先复制数据区域或转存为 CSV。
• 脚本内置了边界保护，例如数据超过 2000 行时会自动截断并提示，拆列段数超出目标列数时会截断并告警。
• 清洗规则为通用规范。如果存在业务特殊口径（例如“重复行必须保留最新一条”），需要在输入配置中显式说明。