Excel 数据清洗大师

问题：Excel 预处理仍然依赖手工步骤

真实表格经常不是“干净”的：订单号重复、日期写成 2026/7/5 或 2026-07-05、金额带 ￥ 和千分位、手机号夹杂空格、多个月度报表结构一致但分散在不同文件。分析师在进入统计、透视或建模前，通常要先花时间在筛选、替换、拼接和检查异常值上。这个技能把这些高频预处理动作抽象成可复用的自然语言指令，而不是让用户重复编写 VBA、Power Query 或临时脚本。

工作方式：把清洗动作拆成可验证步骤

技能围绕六类常见数据问题工作：

• 去重处理：按单列或多列识别重复行，默认保留首次出现，也可配置保留末次。
• 缺失值处理：支持删除含空行、固定值填充、均值/中位数/众数填充、前向填充和标记填充。
• 格式标准化：统一日期为 yyyy-mm-dd，去掉金额货币符号与千分位，规范手机号、身份证号等文本字段。
• 异常值检测：使用 IQR、Z-score、阈值或重复模式识别离群数据。
• 分列与合并：按分隔符拆分地址、标签，或将姓、名等列拼接为完整字段。
• 多表汇总：纵向合并同结构文件，或按员工 ID、订单号等键做横向拼接。

每次执行后会输出结构化报告，并遵守安全约束：清洗前生成 _原始备份，不直接修改原始文件，输出新的已清洗文件；大文件会先采样预览。依赖平台文件读写能力和 Python 环境（pandas、openpyxl）。

适用边界：适合批量预处理，不适合替代业务判断

该技能只支持 .xlsx、.xls、.csv，单文件建议不超过 50 万行。异常值检测基于统计规则，只能提示离群，不代表业务上一定错误；合并单元格和复杂格式可能丢失。适合“脏表变可分析表”的前置阶段，不适合复杂 ETL、数据库清洗或需要业务规则引擎判断的场景。