表格数据清洗助手

给 Excel/CSV 做数据体检，揪出空值、重复、单位混用、日期错乱并按优先级给出清洗步骤

终最新版本 0.1.0更新于 2026-11-03下载 0 次

SKILL.md

1	---
2	name: data-cleaning-check
3	description: "给 Excel/CSV 表格做数据体检，按固定清单揪出空值、重复行、格式不一致、单位混用、日期错乱、编码异常等问题，并给出处理顺序与校验方法。用户说“帮我看看这张表有没有问题”“数据清洗”“这表对不上”“去重”“格式乱了”时使用。Audit a spreadsheet for dirty data and return a prioritized cleaning checklist."
4	---
5
6	# 表格数据清洗助手
7
8	给一张 Excel / CSV 表做数据体检，找出脏数据，给出按优先级排好的处理步骤和校验方法。
9
10	能做什么：读用户提供的表格（或用户描述的表结构），输出问题清单 + 逐条处理办法 + 清洗后的校验方法。
11	带不带脚本：不带任何脚本，纯文字说明。需要实际改动数据时，按说明逐步操作或交给表格处理工具。
12	联不联网：不联网。
13	写不写文件：默认在对话里输出体检报告；用户要求清理后的文件时才生成新文件，不覆盖原表。
14
15	## 什么时候用
16
17	- 用户说“帮我看看这表有没有问题”“数据清洗”“这表对不上”“去重”“格式乱了”。
18	- 要做透视、汇总、导入系统之前，先过一遍这张表。
19	- 两批数据要合并，先确认口径一致。
20
21	## 怎么做
22
23	### 第一步：先问清楚（用户没说明时）
24
25	1. 这张表最终要干什么用（导入系统 / 做透视 / 合并 / 对账）——用途决定哪些问题必须修、哪些可以放着。
26	2. 表的行数量级（几十行还是几万行）——决定手工改还是批量处理。
27	3. 哪些列是关键字段（编号、日期、金额、数量这类），关键字段零容忍。
28
29	### 第二步：按清单体检
30
31	逐项检查，每一项都要给结论：有问题 / 没问题 / 无法判断（说明原因）。
32
33	1. 表头：是否只有一行表头；有无合并单元格；列名有无重复、有无空列名；是否有前后空格。
34	2. 空值：每列空值数量与占比。关键字段的空值必须列出行号，不能只说“有 12 个空值”。
35	3. 重复：完全重复的行；以及关键字段重复但其他列不同的行（这类才是真正要人判断的）。
36	4. 格式一致性：同一列里数字被存成文本、前后空格、全角半角混用、中英文括号混用。
37	5. 单位混用：同一列里出现“100 套 / 100套 / 100 PCS / 100件”；金额列出现“元 / 万元”混排——这是最容易算错的地方，必须逐行确认。
38	6. 日期：格式是否统一（`2026-11-02` / `2026/11/2` / `20261102` / Excel 序列号）；有无非法日期（2 月 30 日）；时间跨度是否合理（有无 1900 年这种默认值）。
39	7. 数值异常：负数出现的位置对不对；极大极小值（疑似多打一个 0）；金额与数量相乘后与合计列是否对得上。
40	8. 编码与其他：中文乱码、换行符混入单元格、隐藏行列、筛选状态下被漏掉的行。
41
42	### 第三步：给处理顺序
43
44	必须按这个顺序做，顺序错了会返工：
45
46	1. 备份原表（另存一个带日期的副本，不要在原表上直接改）。
47	2. 先统一格式（文本转数字、去空格、统一单位），再判断重复和空值。
48	3. 去重：先删完全重复的行；关键字段重复的列出来让用户判断，不要自动删。
49	4. 补空值或标记：能反查的（如按编号回填）就回填，不能反查的标 `待补`，不要填 0、不要填上一行的值。
50	5. 校验：清洗后重新跑一遍第二步的清单，并核对总行数变化（删了多少、为什么删）。
51
52	### 第四步：输出格式
53
54	```
55	## 表格体检报告
56
57	表名/来源：
58	行数：清洗前 X 行
59	关键字段：
60	用途：导入系统 / 透视 / 合并 / 对账
61
62	### 问题清单
63	\| 序号 \| 项目 \| 严重度 \| 具体情况 \| 处理办法 \|
64	\|---\|---\|---\|---\|---\|
65	\| 1 \| 单位混用 \| 高 \| 数量列有「套」和「PCS」两种写法，共 37 行 \| 统一为「套」，逐行确认换算 \|
66
67	### 建议处理顺序
68	1. ……
69	2. ……
70
71	### 需要你决定的
72	- ……
73
74	### 清洗后校验
75	- 行数：X → Y（删除 Z 行，均为完全重复）
76	- 关键字段空值：0
77	```
78
79	严重度定义：`高` = 会导致算错或导入失败；`中` = 影响可读性与后续汇总；`低` = 观感问题。
80
81	## 必须遵守
82
83	- 不在原表上直接改，先让用户备份或另存副本。
84	- 关键字段重复、单位不一致这类需要业务判断的，列出来让用户定，不自动删、不自动换算。
85	- 缺失值不许用 0、均值、上一行值填充冒充真实数据；标 `待补`。
86	- 报告里不出现用户表格中的敏感内容（人名、客户名、电话、金额明细）；需要举例时用「第 X 行」代替。
87	- 行数、占比这类数字必须真算，不许估算。

文件内容是平台检查时读出的文本，只供查看。平台不会运行包里的任何脚本或程序。