Excel数据处理工作流

这是一个完整的Excel数据处理工作流教程。你将学会如何用AI处理常见的Excel任务。

场景设定

任务：你有一个包含500名员工信息的Excel文件，需要：

1. 清洗数据（去重、修正格式）
2. 按部门统计人数和平均薪资
3. 输出汇总报告

文件结构：

列名	类型	说明
姓名	文本	员工姓名
部门	文本	所属部门
入职日期	日期	格式不统一
薪资	数字	月薪

准备工作

1. 安装Python（如果没有）

Windows用户：

1. 访问 https://python.org/downloads
2. 下载最新版本
3. 安装时勾选 "Add Python to PATH"

验证安装：

python --version
# 应该显示 Python 3.x.x

2. 安装必要的库

打开命令提示符（cmd）或终端，运行：

pip install pandas openpyxl

Step 1: 描述数据给AI

提示词模板

我有一个Excel文件叫 employees.xlsx，包含员工信息。

列结构：
- 姓名：员工姓名（文本）
- 部门：所属部门（文本）
- 入职日期：入职时间（日期，格式不统一，有"2024-01-15"和"1/15/2024"两种）
- 薪资：月薪（数字）

数据样例（前3行）：
姓名,部门,入职日期,薪资
张三,技术部,2024-01-15,15000
李四,市场部,1/20/2024,12000
王五,技术部,2023-12-01,18000

数据问题：
1. 有些行可能重复
2. 日期格式不统一
3. 薪资列可能有空值

请帮我写一个Python脚本：
1. 读取这个Excel文件
2. 删除重复行
3. 统一日期格式为 YYYY-MM-DD
4. 按部门统计人数和平均薪资
5. 输出汇总结果到新的Excel文件 summary.xlsx

AI可能生成的代码

import pandas as pd

# 读取Excel文件
df = pd.read_excel('employees.xlsx')

# 删除重复行
df = df.drop_duplicates()

# 统一日期格式
df['入职日期'] = pd.to_datetime(df['入职日期']).dt.strftime('%Y-%m-%d')

# 按部门统计
summary = df.groupby('部门').agg({
    '姓名': 'count',
    '薪资': 'mean'
}).rename(columns={
    '姓名': '人数',
    '薪资': '平均薪资'
}).round(2)

# 重置索引，使部门成为普通列
summary = summary.reset_index()

# 输出到Excel
summary.to_excel('summary.xlsx', index=False)

print("处理完成！结果已保存到 summary.xlsx")
print(summary)

Step 2: 运行代码

创建脚本文件

1. 打开记事本或任意文本编辑器
2. 粘贴AI生成的代码
3. 保存为 process_employees.py
4. 确保文件和 employees.xlsx 在同一文件夹

运行脚本

# 进入文件所在目录
cd C:\你的文件夹路径

# 运行脚本
python process_employees.py

Step 3: 验证结果

检查输出文件

打开 summary.xlsx，应该看到类似：

部门	人数	平均薪资
技术部	120	16500.00
市场部	80	13200.00
人事部	50	11000.00
...	...	...

验证数据准确性

1. 抽样检查：随机选几个部门，手动在原文件中计算验证
2. 总数核对：人数总和应该等于（或略小于）原文件行数
3. 逻辑检验：平均薪资是否在合理范围内

常见问题解答

Q1: 报错 "ModuleNotFoundError: No module named 'pandas'"

解决方案：

pip install pandas openpyxl

Q2: 报错 "FileNotFoundError"

可能原因：

• 文件名拼写错误
• 文件不在当前目录

解决方案：

• 检查文件名是否正确（包括后缀 .xlsx）
• 使用完整路径：pd.read_excel('C:/完整路径/employees.xlsx')

Q3: 报错 "KeyError: '列名'"

可能原因：Excel中的列名与代码不匹配

解决方案：

1. 打开Excel确认实际列名
2. 告诉AI正确的列名，让它重新生成代码

Q4: 日期转换报错

可能原因：日期格式比预期的更复杂

解决方案： 告诉AI具体的日期样例：

日期列的实际样例：
- 2024-01-15
- 1/15/2024
- 2024年1月15日
- Jan 15, 2024

请处理所有这些格式。

Q5: 结果数据有问题

排查步骤：

1. 检查原始数据是否有异常值
2. 让AI添加数据验证代码
3. 分步骤处理，每步都输出中间结果

提示词模板库

数据清洗

请帮我写一个Python脚本处理Excel文件：

文件：[文件名]
需要清洗的问题：
1. [具体问题1，如：删除重复行]
2. [具体问题2，如：填充空值]
3. [具体问题3，如：统一格式]

样例数据：
[粘贴2-3行]

数据筛选

我需要从Excel中筛选数据：

文件：[文件名]
筛选条件：
- [条件1，如：部门等于"技术部"]
- [条件2，如：薪资大于10000]
- [条件3，如：入职日期在2024年]

输出：筛选结果保存到新文件

多表合并

我需要合并多个Excel文件：

文件列表：
- file1.xlsx（列：A, B, C）
- file2.xlsx（列：A, B, D）

合并方式：[按A列关联/纵向堆叠]
输出：merged.xlsx

数据透视

请帮我创建数据透视表：

源文件：[文件名]
行：[字段名]
列：[字段名]
值：[字段名]（计算方式：[求和/平均/计数]）

输出为Excel文件。

进阶技巧

保留原始数据

在处理前先备份：

# 在代码开头添加
import shutil
shutil.copy('employees.xlsx', 'employees_backup.xlsx')

添加处理日志

# 在每个步骤后添加
print(f"原始行数: {len(df_original)}")
print(f"去重后行数: {len(df)}")
print(f"删除了 {len(df_original) - len(df)} 行重复数据")

处理大文件

对于超大文件（>10万行），让AI生成分块处理的代码：

文件很大（约50万行），请分块读取和处理，避免内存问题。

下一步

• 更多工作流 → 报告生成工作流
• 代码片段 → 数据处理片段
• 深入学习 → Stage 2: 上下文与架构

---

提示：遇到问题时，把错误信息完整地发给AI，它能帮你定位和修复问题。