Excel/CSV Master

📊 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）

• 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

• 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(sub设置=['emAIl'], keep='first')

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

• 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

• 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 - 1.5IQR) & (df['amount'] <= Q3 + 1.5IQR)]

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

第二部分：数据转换（20+ 操作）

• 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']]

• 行操作

# 过滤行 df[df['状态'] == 'active']

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

# 分组 df.groupby('category').sum()

• 透视表

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

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

• 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(索引='id', columns='month', values='amount')

第三部分：数据合并（10+ 场景）

• 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')

• VLOOKUP 替代

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

• 多表合并

# 合并多个 CSV 导入 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_索引_num, FALSE)

# 条件计数 =COUNTIF(range, criteria)

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

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

# 条件判断 =IF(condition, value_if_true, value_if_false) =IFS(condition1, value1, condition2, value2)

第五部分：批量处理模板 批量导入 CSV 导入 pandas as pd 导入 glob

# 导入文件夹中所有 CSV files = glob.glob('data/*.csv') dfs = [pd.read_csv(f) for f in files] combined = pd.concat(dfs, ignore_索引=True)

# 保存 combined.to_csv('combined.csv', 索引=False)

批量格式化 Excel from openpyxl 导入 load_workbook from openpyxl.styles 导入 Font, PatternFill

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

# 设置标题行样式 for cell in ws[1]: cell.font = Font(bold=True, color='FFFFFF') cell.fill = PatternFill(启动_color='4F81BD', fill_type='solid')

# 保存 wb.save('格式化ted.xlsx')

🚀 快速开始 场景1：数据清洗 用户：这个 CSV 有很多缺失值和重复值，帮我清理

AI： [加载数据] [分析缺失值分布] [检测重复值] [自动清洗] [生成清洗报告]

✅ 删除 230 个重复行 ✅ 填充 45 个缺失值 ✅ 修正 12 个格式错误

场景2：表格合并 用户：我有3个 Excel 文件，想按 ID 合并

AI： [加载3个文件] [识别共同列] [合并数据] [检查一致性]

✅ 合并完成：5000行 × 15列 ⚠️ 发现 23 个不匹配的 ID

场景3：Excel 公式 用户：我需要一个公式，计算每个类别的总和

AI：使用这个公式： =SUMIF(A:A, "category_name", B:B)

如果是多条件： =SUMIFS(B:B, A:A, "category", C:C, "condition")

💡 特色功能

• 智能数据类型识别

自动识别：

• 日期格式
• 货币格式
• 百分比
• 电话号码
• 邮箱

并转换为正确类型

• 批量操作

一次处理：

• 100+ 个文件
• 数百万行数据
• 复杂转换

• 错误检测

自动检测：

• 循环引用
• 公式错误
• 数据不一致

📊 适用场景 场景 推荐度 说明 财务人员 ⭐⭐⭐⭐⭐ 日常表格处理 行政人员 ⭐⭐⭐⭐⭐ 数据整理 销售 ⭐⭐⭐⭐ 客户数据处理 HR ⭐⭐⭐⭐⭐ 员工数据处理 学生 ⭐⭐⭐⭐ 作业数据处理 🎁 购买即得 15+ 清洗场景代码 20+ 转换操作代码 10+ 合并场景代码 Excel 公式速查表 批量处理脚本 终身更新 技术支持 🔧 版本历史 v1.0.0 (2026-04-05): 首次发布

立即购买，让 Excel/CSV 处理变得简单！ 🚀