📊 Excel/CSV Master - 数据处理大师

让 Excel/CSV 处理变得简单，AI 帮你搞定一切

🎯 这个技能能帮你做什么？

✅ 数据清洗 - 自动修复格式、填充缺失值 ✅ 数据转换 - 格式转换、列操作、透视表 ✅ 数据合并 - 多表合并、去重、匹配 ✅ 数据分析 - 统计、汇总、对比 ✅ 格式化 - 批量格式化、条件格式 ✅ 公式生成 - 自动生成 Excel 公式

📚 包含内容

第一部分：数据清洗（15+ 场景）

1. 缺失值处理

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

# 智能填充
df['column'].fillna(df['column'].mean())  # 用均值填充

2. 重复值处理

# 删除完全重复的行
df.drop_duplicates()

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

# 标记重复值
df['is_duplicate'] = df.duplicated()

3. 数据类型转换

# 转换为日期
df['date'] = pd.to_datetime(df['date'])

# 转换为数值
df['amount'] = pd.to_numeric(df['amount'], errors='coerce')

# 字符串处理
df['name'] = df['name'].str.strip()  # 去空格
df['name'] = df['name'].str.title()  # 首字母大写

4. 异常值处理

# 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：数据转换（20+ 操作）

1. 列操作

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

# 添加计算列
df['total'] = df['quantity'] * df['price']

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

# 选择特定列
df[['col1', 'col2', 'col3']]

2. 行操作

# 过滤行
df[df['status'] == 'active']

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

# 分组
df.groupby('category').sum()

3. 透视表

# 创建透视表
pivot = df.pivot_table(
    values='amount',
    index='category',
    columns='month',
    aggfunc='sum'
)

# 多级透视表
pivot = df.pivot_table(
    values='amount',
    index=['category', 'product'],
    columns='month',
    aggfunc=['sum', 'count']
)

4. 数据重塑

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

# 长转宽
df_wide = df.pivot(index='id', columns='month', values='amount')

第三部分：数据合并（10+ 场景）

1. 表格合并

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

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

# 按键合并
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. 多表合并

# 合并多个 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

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

# 多条件求和
=SUMIFS(sum_range, criteria_range1, criteria1, criteria_range2, criteria2)

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

# 条件计数
=COUNTIF(range, criteria)

# 文本处理
=LEFT(text, num_chars)
=RIGHT(text, num_chars)
=MID(text, start_num, num_chars)
=TRIM(text)

# 日期处理
=DATE(year, month, day)
=YEAR(date)
=MONTH(date)
=DAY(date)