Excel数据清洗不想写公式？我用AI十分钟搞定

上周同事发来一张"惨不忍睹"的Excel：一万多行数据，日期格式五花八门（2024/7/1、2024-7-1、7月1日混着来），姓名列有的带空格有的不带，手机号有的11位有的13位（混入了座机），还有一堆"暂无""-""未知"之类的脏值。这种数据要是手动清，两个小时起步，写公式也得半小时。我用了十分钟搞定，靠的是AI。这篇分享我的完整操作过程。

一、先判断：什么场景用AI清洗

数据清洗有两条路：写Excel公式/写Python脚本，或者用AI。我的判断标准是：

• 规则清晰、数据量大 → 写脚本（AI也可以帮你生成脚本）；
• 规则模糊、格式混乱、没有现成逻辑 → 让AI直接清洗，它看得懂"脏"在哪。

同事这张表属于第二种：脏得毫无规律，正适合AI。

二、实际操作：四步搞定

第1步：把样本发给AI

不需要把一万行全发过去，发前50行样本就够了。我复制了表头和前50行数据，连同需求一起发给AI：

这是一份客户信息表的前50行样本，请帮我：1) 识别所有数据质量问题 2) 给出每种问题的清洗规则 3) 输出清洗后的完整数据（保持原表结构）。

第2步：AI列出问题清单

AI很快返回了问题清单，比我预想的还全：

第3步：让AI生成清洗脚本

问题清单出来后，我让AI生成Python脚本（用pandas），而不是让它直接改Excel——这样规则可复现、可复查，一万行数据脚本跑一遍只要几秒：

import pandas as pd
import re

df = pd.read_excel("客户表.xlsx")

# 1. 日期统一
df["日期"] = pd.to_datetime(df["日期"]).dt.strftime("%Y-%m-%d")

# 2. 姓名去空格、统一半角
df["姓名"] = df["姓名"].str.strip().str.replace("　", "")

# 3. 手机号校验
def fix_phone(x):
    x = str(x).strip()
    return x if re.fullmatch(r"1\d{10}", x) else "待人工确认"

df["手机号"] = df["手机号"].apply(fix_phone)

# 4. 金额清洗
df["金额"] = df["金额"].replace(["暂无", "-", "未知"], 0)
df["金额"] = pd.to_numeric(df["金额"], errors="coerce").fillna(0)

第4步：核对+跑脚本

脚本跑完，输出一份"清洗报告"（每个字段改了多少钱、标了多少异常），我抽查了50条记录确认无误，然后让AI把"待人工确认"的行单独导出成一个新表，方便同事人工处理。整个流程用时约10分钟。

三、AI清洗的三个核心技巧

1. 先"诊断"再"清洗"：不要让AI直接改数据，先让它列问题清单，你确认无误后再动手。直接改容易"改坏"而不自知；
2. 给AI"边界"：清洗规则里明确"无法判断的标记为待人工确认，不要自作主张乱填"——AI有填补"合理值"的倾向，这在数据清洗里是危险的；
3. 保留原始数据：清洗前先复制一份原始表存档，脚本在副本上跑。这条是数据工作者的基本素养，别让AI替你决定"原数据不要了"。

四、适用范围与边界

实测下来，AI清洗最适合：

• 格式混乱、规则模糊的文本类数据（地址、姓名、备注）；
• 需要"理解语义"才能判断的脏数据（"暂无""N/A""-"这种）；
• 一次性、非重复的清洗任务。

不太适合：

• 超大规模（百万行级）——建议直接上数据仓库工具；
• 对精度要求极高、需要完全可审计的场景——脚本逻辑要人肉review；
• 含敏感个人信息的大文件——注意不要发给公网AI服务，可以换本地部署模型。

五、总结

这次"十分钟清洗一万行"的经历让我意识到：AI在数据处理上的真正价值，不是替你写公式，而是把"看懂脏数据"这件事自动化了——它比人更快地发现格式问题、更快地生成可复用的清洗脚本。学会"给AI看样本、让它先诊断、再生成脚本、最后人工核对"这个套路，你也能把两小时的苦力活变成十分钟的轻松活。

下次再遇到"面目全非"的Excel，别急着写公式，先试试让AI看一眼。