告别 Excel 复杂公式!Power Query 鼠标可视化一键完成数据清洗

这里有最实用的Excel使用技巧，通过提高Excel技能，可以让你轻松应对工作中的表格处理，提高你的工作效率！欢迎大家Follow关注~~

每个月要把12个分公司的报表合并成一张总表。你复制粘贴了12次，花了2小时——结果发现华南的格式和华北不一样，又要重新对列。

更崩溃的是：下个月同样的活又要干一遍。

Power Query就是解决这个问题的——它是Excel内置的数据清洗和合并工具，操作一次，以后每个月刷新一下数据源，结果自动更新。

一、Power Query 是什么？

一句话：Power Query 是Excel内置的ETL工具，专门用来做数据的清洗、合并、转换——而且不用写代码。

ETL是什么？Extract（提取）、Transform（转换）、Load（加载）。说白了就是：

• 把数据从各种来源提取出来（Excel文件、CSV、数据库、网页）

• 对数据进行清洗和整理（删空行、改格式、分列、合并）

• 把整理好的数据加载到Excel工作表里

而且最强大的是：操作步骤会被记录下来，下次数据更新了，只要点一下"刷新"，所有步骤自动重跑一遍。

入口：数据 → 获取和转换数据 → 从表格/区域（或从文件/从数据库等）

二、三个最常用的场景

场景1：合并多个Excel文件

痛点： 12个分公司的月度报表，每个文件格式一样，你要合并成一张总表。手动复制粘贴，又慢又容易漏。

Power Query操作：

第1步： 把所有报表放在同一个文件夹里

第2步： 数据 → 获取数据 → 从文件 → 从文件夹 → 选中那个文件夹

第3步： Power Query会自动识别所有文件 → 点击"合并" → 选择"合并并转换数据"

第4步： 选择要用哪个Sheet（一般选第一个）→ 确定

结果： 12个文件的数据自动合并成一张表。以后新增第13个文件，放到同一个文件夹里，点"刷新"——新文件自动合并进来。

原始数据示例（每个分公司一个Excel文件）：

合并后自动多出一列"源文件名"，一眼看出数据来自哪个分公司。

不需要任何VBA代码，也不需要Python，全程鼠标点击完成。

场景2：拆分列——一秒拆出有用信息

痛点： 数据源里"姓名-部门-工号"全部挤在一个单元格里，你需要拆成三列。

原始数据：

Power Query操作：

选中列 → 主页 → 拆分列 → 按分隔符 → 选择"-"（横杠）→ 确定

结果：

高级用法：按非固定宽度拆分

比如地址列"广东省广州市天河区体育西路100号"，你想拆出省、市、区：

拆分列 → 按从字符到字符 → 选"省"和"市"和"区"作为分隔标志

Excel的"分列"功能也能做类似的事，但Power Query的拆分可以重复使用——设置一次，以后数据更新了刷新一下就行。

场景3：数据清洗——自动处理脏数据

痛点： 从系统导出的数据，有空行、有合并单元格、数字存成了文本、日期格式不统一……每次都要手动处理。

Power Query一键搞定：

示例： 原始数据里"销售额"列有的有小数点（10500.50），有的是整数（8000），有的带逗号（10,500）。选中列 → 转换 → 替换值 → 把逗号替换为空 → 再改数据类型为小数 → 全部统一。

这一套操作在Power Query里设置一次，导出到Excel后，以后数据更新了，右键 → 刷新，所有清洗步骤自动重跑。

三、Power Query vs 传统方法

一句话： 如果这个数据处理工作你需要做超过2次，就值得花10分钟配置Power Query。第3次开始，每次点击刷新就能出结果。

四、常见错误及避坑

小技巧： 把所有操作步骤改个易懂的名字。在Power Query编辑器右侧的"应用步骤"窗口中，右键 → 重命名。这样几个月后回来修改时，不用一个个回忆每个步骤在干什么。

五、Python版（大数据量场景）

Power Query处理几万行数据绰绰有余，但几十万行以上建议用Python：

import pandas as pdimport glob# 场景1：合并多个Excel文件files = glob.glob("分公司报表/*.xlsx")all_data = []for f in files:    df = pd.read_excel(f)    df['来源文件'] = f  # 类似Power Query的"源文件名"列    all_data.append(df)result = pd.concat(all_data, ignore_index=True)# 场景2：拆分列result[['姓名','部门','工号']] = result['员工信息'].str.split('-', expand=True)# 场景3：数据清洗result['销售额'] = result['销售额'].str.replace(',', '').astype(float)result = result.dropna(how='all')  # 删除空行result = result.drop_duplicates()  # 删除重复行result['区域'] = result['区域'].str.strip()  # 去空格result.to_excel("合并汇总表.xlsx", index=False)

Python能处理百万行级别的数据，运行时间通常不超过5秒。

好了，今天的分享就到这里了，掌握 Power Query 可视化数据处理，不用堆砌复杂 Excel 公式，仅靠鼠标点一点就能完成数据合并、拆分与批量清洗，重复性表格工作一键搞定，实实在在降低加班内耗、拉高职场办公效率。后续我会持续更新更多 Excel 落地实操技巧、Power Query 进阶玩法与办公自动化干货，想系统提升表格处理能力的朋友，别忘了点赞、在看 + 长期关注我哦！