【拾光帖·智能体】第10讲|Excel 脏数据别急着算:去重/单位统一/分类映射,一步干净|WorkBuddy

你好，我是师兄。你有没有被脏数据气到过？下面的表格是否经常遇到？

性别列里男/M/1 混着写；同一批病人，住院号和姓名都一样，却有两行记录（重复入院被录了两次）；血红蛋白有人写 g/L、有人写 g/dL；日期一半是 2024/3/5、一半是 2024-03-05。是不是看着就头大？

今天第 10 讲，师兄就教你怎么把「脏 Excel」先交给 WorkBuddy 洗干净，再去算——这一步做对，后面 结果才站得住。

先讲底层：AI 清洗不是「魔法」，是三步规则

你喂给WorkBuddy 一张表，它不会凭空「懂」哪行是重复、哪个单位该统一。它做的是你给的规则——所以喂它之前，你要先想清楚「脏在哪」。师兄把脏数据归成三类，对应三步：

• · ① 重复行：同一病人被录了多次 → 按「住院号 + 入院日期」去重，保留一条。
• · ② 单位不统一：g/L 和 g/dL 混写 → 你定一个标准（比如全文用 g/L），让它批量换算。
• · ③ 分类乱写：男/M/1 都指男性 → 建一张「映射表」，统一成「男 / 女」。

记住一句话：清洗规则是你定的，AI 只是按你定的规则执行。规则不清楚，它就会「自作主张」。

一句话让 AI 不跑偏

上传「case_raw.xlsx」。这是一份病例资料原始表，存在脏数据，请按下面规则清洗，另存为「case_clean.xlsx」，不要覆盖原件： 1) 去重：按「住院号 + 入院日期」删除完全重复的行，报告删了几行； 2) 单位统一：血红蛋白全部换算为 g/L，计算公式g/L=（g/dL×10），并在新列「Hb_gL」给出，原列保留； 3) 分类映射：性别列「男/M/1」→「男」、「女/F/2」→「女」，无法识别的标「待核」； 4) 报告每列缺失值个数，缺失不要补数、不要删除整行，只标注。 先打印你识别到的「异常值清单」让我确认，再执行清洗。5 )日期→YYYY-MM-DD

3分钟之后，你就得到了上面这个清晰，指标统一的新表格了。如果你用传统方法自己一个个去核对查找，手动替换，修改，3小时能否做完？这就是AI时代下，会用工具为我们带来的便利。

师兄踩坑清单（脏数据的坑）

本讲实操案例（可复现）

场景：你有一份 186 例的原始表 case_raw.xlsx，含 4 行重复记录、性别混写（男/M/1）、血红蛋白 g/L 与 g/dL 混用。

一条不能松的底线

清洗规则是你定的，AI 只是执行。去重后 n 由你核对、映射表由你确认——写进论文的每一个数字，最终签字的是你，不是工具。

最后顺带让workbuddy帮忙做个基线表1，不也就是顺手的事情？

本讲小结