name: excel-csv-master version: 1.0.0 description: Master Excel/CSV data processing - cleaning, transforming, merging, and analyzing spreadsheets with AI. Perfect for office workers, accountants, and business professionals. author: 秘書 price: 19 currency: USD keywords: [excel, csv, spreadsheet, data-processing, cleaning, transformation] category: productivity

📊 Excel/CSV Master - 資料處理大師

讓 Excel/CSV 處理變得簡單，AI 幫你搞定一切

🎯 這個技能能幫你做什麼？

✅ 資料清洗 - 自動修復格式、填充缺失值 ✅ 資料轉換 - 格式轉換、列操作、透視表 ✅ 資料合併 - 多表合併、去重、匹配 ✅ 資料分析 - 統計、彙總、對比 ✅ 格式化 - 批次格式化、條件格式 ✅ 公式生成 - 自動生成 Excel 公式

📚 包含內容

第一部分：資料清洗（15+ 場景）

1. 缺失值處理

# 填充缺失值
df.fillna(0)  # 用0填充
df.fillna(method='ffill')  # 前向填充
df.dropna()  # 刪除缺失行

# 智慧填充
df['column'].fillna(df['column'].mean())  # 用均值填充

2. 重複值處理

# 刪除完全重複的行
df.drop_duplicates()

# 基於特定列去重
df.drop_duplicates(subset=['email'], keep='first')

# 標記重複值
df['is_duplicate'] = df.duplicated()

3. 資料型別轉換

# 轉換為日期
df['date'] = pd.to_datetime(df['date'])

# 轉換為數值
df['amount'] = pd.to_numeric(df['amount'], errors='coerce')

# 字串處理
df['name'] = df['name'].str.strip()  # 去空格
df['name'] = df['name'].str.title()  # 首字母大寫

4. 異常值處理

# IQR 方法
Q1 = df['amount'].quantile(0.25)
Q3 = df['amount'].quantile(0.75)
IQR = Q3 - Q1
df = df[(df['amount'] >= Q1 - 1.5*IQR) & (df['amount'] <= Q3 + 1.5*IQR)]

# Z-score 方法
from scipy import stats
df = df[(np.abs(stats.zscore(df['amount'])) < 3)]

第二部分：資料轉換（20+ 操作）

1. 列操作

# 重新命名列
df.rename(columns={'old_name': 'new_name'})

# 新增計算列
df['total'] = df['quantity'] * df['price']

# 刪除列
df.drop(columns=['unnecessary_col'])

# 選擇特定列
df[['col1', 'col2', 'col3']]

2. 行操作

# 過濾行
df[df['status'] == 'active']

# 排序
df.sort_values('date', ascending=False)

# 分組
df.groupby('category').sum()

3. 透視表

# 建立透視表
pivot = df.pivot_table(
    values='amount',
    index='category',
    columns='month',
    aggfunc='sum'
)

# 多級透視表
pivot = df.pivot_table(
    values='amount',
    index=['category', 'product'],
    columns='month',
    aggfunc=['sum', 'count']
)

4. 資料重塑

# 寬轉長
df_long = df.melt(id_vars=['id'], var_name='month', value_name='amount')

# 長轉寬
df_wide = df.pivot(index='id', columns='month', values='amount')
小蔥技能7w4.net持續更新中。

第三部分：資料合併（10+ 場景）

1. 表格合併

# 橫向合併（列合併）
pd.concat([df1, df2], axis=1)

# 縱向合併（行合併）
pd.concat([df1, df2], axis=0)

# 按鍵合併
pd.merge(df1, df2, on='id', how='left')
pd.merge(df1, df2, on='id', how='inner')
pd.merge(df1, df2, on='id', how='outer')

2. VLOOKUP 替代

# Python 版 VLOOKUP
result = pd.merge(
    df1,
    df2[['id', 'name', 'price']],
    on='id',
    how='left'
)

3. 多表合併

# 合併多個 CSV
import glob
files = glob.glob('*.csv')
df = pd.concat([pd.read_csv(f) for f in files])

第四部分：Excel 公式生成器

常用公式

# 條件求和
=SUMIF(range, criteria, sum_range)

# 多條件求和
=SUMIFS(sum_range, criteria_range1, criteria1, criteria_range2, criteria2)

# VLOOKUP
=VLOOKUP(lookup_value, table_array, col_index_num, FALSE)

# 條件計數
=COUNTIF(range, criteria)

# 文本處理
=LEFT(text, num_chars)
=RIGHT(text, num_chars)
=MID(text, start_num, num_chars)
=TRIM(text)

# 日期處理
=DATE(year, month, day)
=YEAR(date)
=MONTH(date)
=DAY(date)

# 條件判斷
=IF(condition, value_if_true, value_if_false)
=IFS(condition1, value1, condition2, value2)

第五部分：批次處理模板

批次匯入 CSV

import pandas as pd
import glob

# 匯入資料夾中所有 CSV
files = glob.glob('data/*.csv')
dfs = [pd.read_csv(f) for f in files]
combined = pd.concat(dfs, ignore_index=True)

# 儲存
combined.to_csv('combined.csv', index=False)

批次格式化 Excel

from openpyxl import load_workbook
from openpyxl.styles import Font, PatternFill

wb = load_workbook('data.xlsx')
ws = wb.active

# 設定標題行樣式
for cell in ws[1]:
    cell.font = Font(bold=True, color='FFFFFF')
    cell.fill = PatternFill(start_color='4F81BD', fill_type='solid')

# 儲存
wb.save('formatted.xlsx')

🚀 快速開始

場景1：資料清洗

使用者：這個 CSV 有很多缺失值和重複值，幫我清理

AI：
[載入資料]
[分析缺失值分佈]
[檢測重複值]
[自動清洗]
[生成清洗報告]

✅ 刪除 230 個重複行
✅ 填充 45 個缺失值
✅ 修正 12 個格式錯誤

場景2：表格合併

使用者：我有3個 Excel 檔案，想按 ID 合併

AI：
[載入3個檔案]
[識別共同列]
[合併資料]
[檢查一致性]

✅ 合併完成：5000行 × 15列
⚠️ 發現 23 個不匹配的 ID

場景3：Excel 公式

使用者：我需要一個公式，計算每個類別的總和

AI：使用這個公式：
=SUMIF(A:A, "category_name", B:B)

如果是多條件：
=SUMIFS(B:B, A:A, "category", C:C, "condition")

💡 特色功能

1. 智慧資料型別識別

自動識別：
- 日期格式
- 貨幣格式
- 百分比
- 電話號碼
- 郵箱

並轉換為正確型別

2. 批次操作

一次處理：
- 100+ 個檔案
- 數百萬行資料
- 複雜轉換

3. 錯誤檢測

自動檢測：
- 迴圈引用
- 公式錯誤
- 資料不一致

📊 適用場景

🎁 購買即得

1. 15+ 清洗場景程式碼
2. 20+ 轉換操作程式碼
3. 10+ 合併場景程式碼
4. Excel 公式速查表
5. 批次處理指令碼
6. 終身更新
7. 技術支援

🔧 版本歷史

• v1.0.0 (2026-04-05): 首次釋出

立即購買，讓 Excel/CSV 處理變得簡單！ 🚀

這個 Skill 內容比較豐富，涵蓋了資料清洗、表格合併等常見場景，有程式碼示例可參考。不過它更像是一份文件資料，而不是可以直接使用的工具包，實際操作時還需要自己寫程式碼。缺少完整的處理指令碼和示例檔案，讓它在使用便捷性上打了折扣。