用途:把“数据很乱”变成可执行、可追溯的清洗流程,适用于透视表、表连接、图表或导入前的数据准备。
主要能力:
- 画像:逐列统计类型一致性、空白与错误数、类别列去重值(发现 NY / N.Y. / New York 之类)、数值列极值(发现 1899 日期或 9999 占位符)。
- 清洗计划:按不互相掩盖的顺序执行——去空格与统一大小写 → 修正类型(文本数字转数字、日期转真日期)→ 标准化类别 → 去重 → 处理空白。
- 连接键修复:给出连接前后的匹配率,并列出未匹配部分供跟进。
- 清洗日志:记录每步规则、影响行/单元格数与最终计数,作为可辩护的凭证。
必要输入:数据及其来源、目标用途(决定“干净到什么程度”)、冲突裁决规则(重复行冲突时以哪个来源为准)。
使用方式:先画像再动手;去重前必须定义键(如同邮箱、同姓名+日期)与冲突规则;被删行放入 _removed 表而非直接丢弃;空白分三类处理(真空、应有值需标记、空白即零需来源确认);原始数据保持不动,清洗副本与日志一同交付。
限制与注意:不要原地清洗,原始数据是回滚与审计依据;不要先去重,未标准化的重复会躲过去重;不要为“应有值”的空白编造数值;不要不做列范围限定的全局查找替换。资料未提供具体命令、安装方式、收费与平台信息。