name: Excel資料清洗大師 description: 智慧清洗Excel髒資料——去重、缺失值處理、格式標準化、異常值檢測、資料分列合併、多表彙總。面向資料分析師、財務、運營人員的必備效率工具，省去90%的手動預處理時間。 version: 1.0.0 category: 資料分析 platforms: [Marvis, WorkBuddy] author: 待填寫 tags: [Excel, 資料清洗, 資料處理, 表格, 財務, 運營]

Excel資料清洗大師

功能概述

面向資料分析師、財務、運營人員，將繁瑣的 Excel 資料預處理轉化為一句話指令。覆蓋資料清洗全流程，從"髒資料"到"可直接分析"一步到位。

六大核心功能

使用方法

一、去重處理

使用者指令示例： - "幫我把這個表格的去重，按姓名列" - "刪掉訂單號重複的行，保留第一條" - "A列和B列同時相同的才算重複，去掉它們"

執行策略：

1. 讀取 Excel 檔案，識別所有列名
2. 根據使用者指定的列執行去重
3. 預設保留首次出現的行，可配置保留最後一次
4. 輸出去重報告：

## 去重報告

| 專案 | 數值 |
|------|------|
| 原始行數 | 12,450 |
| 重複行數 | 387 |
| 去重後行數 | 12,063 |
| 去重列 | 姓名、手機號 |
| 策略 | 保留首次出現 |

二、缺失值處理

使用者指令示例： - "把空白的單元格填0" - "刪除有缺失值的行" - "年齡列的空值填平均值，備註列的空值填'無'"

支援策略：

三、格式標準化

使用者指令示例： - "把日期列統一成 yyyy-mm-dd 格式" - "金額列去掉貨幣符號，只保留數字" - "手機號統一成11位，去掉空格和橫線"

支援操作：

四、異常值檢測

使用者指令示例： - "幫我檢測金額列有沒有異常值" - "找出成績列中偏離平均分超過3個標準差的資料"

檢測方法：

五、資料分列與合併

使用者指令示例： - "把地址列按省/市/區分成三列" - "把姓和名兩列合併為全名" - "按逗號拆分標籤列"

六、多表彙總

使用者指令示例： - "把1月到6月的銷售報表合併到一個檔案" - "把這3個Excel按員工ID合併"

支援模式： - 縱向合併：同結構多表追加行 - 橫向合併：按指定鍵列（如ID）拼接不同欄位 - 資料夾批次：自動識別目錄下所有xlsx檔案

輸出規範

每次清洗完成後，輸出結構化報告：

## 📊 資料清洗報告

**原始檔案**：銷售資料.xlsx
**輸出檔案**：銷售資料_已清洗.xlsx

**清洗操作記錄**：
| 操作 | 詳情 | 影響行數 |
|------|------|---------|
| 去重 | 按訂單號列，保留首行 | -387 行 |
| 缺失值填充 | 金額列填0，備註列填"無" | 56 行 |
| 日期格式化 | yyyy-mm-dd | 全部 |
| 異常值檢測 | IQR法檢測金額列 | 12 個異常值 |

**資料概覽**：
- 清洗前：12,450 行 × 15 列
- 清洗後：12,063 行 × 15 列
- 資料完整率：98.7%（提升 3.2%）

安全約束

• 清洗前自動備份原始檔案（檔名加 _原始備份 字尾）
• 不修改原始檔案，輸出新的已清洗檔案
• 超過10萬行資料時先採樣展示預覽，確認後全量處理

依賴要求

依賴 AI Agent 平臺提供的檔案讀寫能力和 Python 執行環境（pandas, openpyxl）。

7w4.net小蔥技能。

限制說明

• 僅支援 .xlsx / .xls / .csv 格式
• 單檔案建議不超過 50 萬行（效能考慮）
• 異常值檢測為統計方法，不保證業務含義100%正確，需人工複核
• 合併單元格、複雜格式可能丟失（建議先簡化格式）

版本歷史

這個資料清洗工具功能豐富，覆蓋了常見的 Excel 髒資料處理需求，文件清晰易懂，程式碼模板可直接使用，不會意外丟失或覆蓋原檔案。主要缺點是某些特殊格式需要人工確認（比如日期可能有美式/中式歧義），沒有現成的示例讓你快速驗證效果，規則細節在實際使用中可能還有不完善的地方。總體來說是一個實用且謹慎的工具，但複雜場景下可能需要多輪人工干預。