用AI 5分钟搞定原来3小时的Excel数据清洗,我后悔没早学

从3小时到5分钟，差距就是这么大

本文适合人群

经常处理Excel的打工人、数据分析师、运营/行政/财务岗，以及所有被"数据清洗"折磨过的人。

👉 你不需要会编程。AI写代码，你只需要会复制粘贴+运行。下面我一步一步教。

import pandasas pd

import re

# 1. 读取Excel文件

df = pd.read_excel('员工使用数据.xlsx')

# 2. 手机号列统一格式：去掉+86和空格，只保留11位数字

df['手机号'] = df['手机号'].astype(str).str.replace(r'[+\s]', '', regex=True)

df['手机号'] = df['手机号'].str.extract(r'(\d{11})')

# 3. 日期列统一为YYYY-MM-DD格式

df['日期'] = pd.to_datetime(df['日期'], errors='coerce')

df['日期'] = df['日期'].dt.strftime('%Y-%m-%d')

# 4. 按员工号去重，保留最后一条

df = df.drop_duplicates(subset=['员工号'], keep='last')

# 5. 部门列空值填充为"未分配"

df['部门'] = df['部门'].fillna('未分配')

# 6. 保存清洗后的数据

df.to_excel('员工使用数据_清洗后.xlsx', index=False)

print(f'清洗完成！共{len(df)}条数据')

看不懂没关系！你只需要知道这段代码做了4件事：清理手机号、统一日期、去重复、填空值。AI帮你写好了，你跑就完事了。

python clean.py

💡 存模板，下次秒用：第一次用5分钟（含沟通+调试），以后同样的清洗需求，换一下文件名和字段名，30秒改完，运行代码5秒出结果。从3小时到5秒，这就是AI的力量。

重点：这5分钟不是"快一点"，是质变。你从"做数据的人"变成了"检查数据的人"，工作性质完全不同。

坑1：AI偶尔会编造不存在的字段名

如果你的Excel有20列，AI可能搞混列名。解决办法：把Excel的前5行数据直接贴给AI看，让它知道每列到底是什么。

坑2：复杂业务逻辑AI理解不了

"如果A列是X且B列大于50，则C列填Y"这种规则，一次不要超过3条。分步骤来，一次只让AI做一件事。

坑3：中文编码问题

读取中文Excel有时会报编码错误，解决办法：告诉AI加上encoding参数，或者直接读xlsx格式（比csv更稳）。

坑4：数据量大时本地跑不动

50万行以上的数据，普通电脑可能卡。两个办法：一是告诉AI加上chunk读取，二是用公司的服务器跑。

一句话总结：AI负责干粗活，你负责定规则和检查结果。分工明确，效率最高。

📌 下期预告：AI帮你写Excel公式，VLOOKUP、XLOOKUP、条件格式，准确率95%以上。关注我，别错过。

💬 互动：你现在最头疼的Excel操作是什么？评论区告诉我，我帮你用AI搞定。