本文用问答的形式，把 AI 清洗表格数据从概念到实操讲一遍。

Q1：AI 清洗表格到底是什么？

用 AI 清洗表格是借助 AI 处理格式混乱的数据，例如统一日期格式、拆分合并列、去除重复、规范名称写法、补全缺失值。可以让 AI 写公式或脚本，也可以在支持代码执行的工具中直接处理文件。

Q2：为什么它有效？和手动逐格修改有什么不同？

脏数据会让后续统计全部出错，而清洗规则往往很繁琐；AI 能识别常见的格式问题并给出批量处理方法，减少逐格手改。手动修改适合少量数据，量大时费时且容易遗漏；AI 清洗能批量识别和处理问题，但规则需要人工确认，结果需要核对。

Q3：哪些场景最值得用？

最典型的是两类：一是人工录入的数据有大量写法差异；二是分析之前需要检查缺失和异常值。以游戏开发者为例，处理“编写 20 条道具描述文案”这类工作时就很适合尝试。

Q4：具体怎么开始？

建议按这三步起步：

  1. 先备份原始数据，所有清洗都在副本上进行。
  2. 让 AI 检查数据，列出发现的问题：格式不一致、重复、缺失、异常。
  3. 逐条确认清洗规则，比如“北京市”和“北京”统一为“北京”

熟练之后再养成一个习惯：记录清洗规则，下次同类数据直接复用。

Q5：有没有现成的模板？

有，下面这个可以直接复制，按需替换方括号内容：

数据清洗规则表（请逐条执行并报告结果）：
| 规则 | 字段 | 处理方式 | 影响行数 |
| R1 去除首尾空格 | 全部文本列 | 修剪 | ? |
| R2 统一日期 | [日期列] | 转为 YYYY-MM-DD，无法识别的标记 | ? |
| R3 名称标准化 | [名称列] | 按映射表替换 | ? |
| R4 去重 | [主键列] | 保留最新一条 | ? |
| R5 异常值 | [数值列] | 超出[范围]的标记，不删除 | ? |
最后输出：清洗前后行数对比 + 被标记行的清单

Q6：清洗规则可以复用吗？

可以，把规则整理成文档或脚本，下次同类数据直接套用。

Q7：AI 能判断两条记录是否重复吗？

能根据规则判断明显的重复，名称相似但可能是不同对象的情况需要人工确认。

Q8：大数据量怎么办？

使用支持代码执行的工具或编写脚本处理，避免在对话中粘贴大量数据。

举个例子

举个虚构的例子：一位市场人员要合并三次展会收集的潜在客户名单。三张表的字段名、公司名称写法都不一样。她让 AI 先列出问题，再按“公司名标准化、手机号去重、保留最新联系记录”的规则处理，最后得到一份干净的名单，其中有 20 多条被标记为“疑似同一公司”，她逐条确认后再合并。

补充：最容易踩的坑和用好的诀窍

  • 清洗规则不确认就执行。改进：先列规则，逐条确认后再执行。
  • 不对比清洗前后的变化。改进：检查行数和关键统计，防止误删或误改。
  • 对重复数据，先确定“以哪条为准”的规则。
  • 在清洗结果中加一列“清洗备注”，记录改动原因。

下一步学什么

掌握 AI 清洗表格之后，可以继续了解 AI 写表格公式和代码执行分析，它们经常和 AI 清洗表格一起使用，组合起来能处理更复杂的任务。

相关阅读