Excel 清洗与核对汇总
一句话主餐
普通聊天容易只给公式;这里直接把用户的工作簿整理成能交付的明细、异常清单和汇总表。
输入
优先读取用户已经给出的材料,不要求为本 Skill 重新抄写。
- 源 XLSX、工作表名称与需要保留的公式或图表
- 汇总维度、金额单位、日期范围及业务主键
- 已知错误示例、重复记录处理口径、最终接收软件
没有去重主键时保留疑似重复并另列,不擅自删行;金额口径未确认则先按原单位分组。
输入识别要求:
- 保留原始材料和来源定位,生成文件默认另存。
- 区分真实用户材料、待确认项与明确模拟输入。
- 用户目标明确时直接制作;只有影响结果的歧义才提出具体问题。
- 一次只解决本轮目标,不顺手扩展为其他业务流程。
核心判断
- 格式差异和业务差异分开:空格可清理,客户别名不能自动认定同一主体。
- 订单号、手机号和编码按文本保留,前导零不能消失。
- 空值不是零;无法解析的金额进入异常表,不参与已核对总额。
- 退货负数保留;同号不同金额视为冲突而非重复。
- 公式文本与缓存值分开读取;写入公式不等于已经完成重算。
- 含宏、外部链接或复杂图表时先识别保真风险,另存副本并报告范围。
比较 openpyxl 单元格编辑与 pandas 表聚合:本轮默认新建结果簿,避免覆盖宏与图形;只有用户要求保留复杂对象且验证通过才编辑副本。 相邻 PDF 提取任务只复用来源定位机制;不能把 OCR 得到的数字直接当已核对金额。
容易误判的边界
- 同主键不同金额的整组记录均待确认,不能保留第一行就声称去重完成。
- 先为每行指定唯一主状态:有效、完全重复、冲突、字段异常;附加错误标签可以多个,统计主状态不能重复计数。
- 源数据行数必须等于四类主状态行数之和;有效总额仅来自有效行。
- 日期如 03/04/2026 无地区依据时保留原文并待确认;不得猜月日顺序。
编号工作流
1. 盘点工作簿
- 读取 sheet 名、使用区域、表头候选、隐藏行列和合并区域。
- 记录每个源表的行数、主键列、金额列及公式数量。
- 区分标题说明行与数据行,不能用整张表第一行直接当表头。
- 产出字段映射表,保留源文件、sheet 与原始行号。
2. 定义数据口径
- 按用户目标选主键、分组字段、时间字段和统计字段。
- 同名字段含义冲突时分列,不按名称强行拼接。
- 列出单位转换、日期解释与重复处理规则。
- 产出本次清洗规则,未确认项采用保守保留策略。
3. 清洗并隔离异常
- 统一可确认的空格、日期表示和数值格式。
- 使用 Decimal 或整数分处理金额,避免二进制误差。
- 身份证、编码不做数值化;金额中的千分位按地区解释。
- 无法解析的行进入异常表,并附原值与失败原因。
4. 去重与冲突处理
- 只按已确认的业务主键判断重复。
- 完全重复可折叠,记录保留行及被折叠行。
- 同主键不同内容进入冲突清单,不覆盖任一原值。
- 产出保留、重复、冲突三种行状态。
5. 生成汇总
- 从清洗明细生成部门、月份等指定维度的汇总。
- 将有效明细金额与汇总金额逐项勾稽。
- 显式区分原始行数、去重后行数及异常行数。
- 产出包含计数与金额的汇总表,不凭展示值再次求和。
6. 制作可交付工作簿
- 分别写入清洗明细、汇总、异常和规则说明工作表。
- 设置筛选、冻结表头、适当列宽与金额日期格式。
- 避免合并数据区单元格,不让颜色成为唯一状态标识。
- 如用公式,保留静态核对数并标注是否经计算引擎重算。
7. 重新打开核验
- 重新加载生成文件,检查 sheet、行数和关键单元格。
- 用独立聚合核对金额,抽查负数、空值、前导零。
- 检查公式是否仍为公式,源文件未被覆盖。
- 产出核验记录及无法保真的对象说明。
8. 交接异常复核
- 先交可用工作簿,再列影响结果的业务疑问。
- 用户只需确认冲突和异常,不必重新整理全部材料。
- 收到确认后仅重跑受影响的行与汇总。
- 完成条件为勾稽一致且未解决异常可单独定位。
直接交付与下一步
默认交付以下成果;按用户目标裁剪,不为凑齐数量生成无关附件。
- cleaned.xlsx:清洗明细、汇总、异常、规则四表
- 字段映射与修改计数,可回溯到原始行
- 金额勾稽结果及需要确认的冲突清单
交接规则:
- 先给可使用的成品入口,再说明仍影响使用的缺口。
- 核验必须写明执行了什么、结果如何、哪些能力没有执行。
- 本轮能完成的一次性交付到此结束,不附加通用调研作业。
- 需要继续时,只要求用户交回具体异常位置、确认口径或新材料。
- 复交后沿用已确认事实,检查本次修复及其影响的原有部分。
工具不可用时:
无 XLSX 写入库时交付 UTF-8 CSV 明细、汇总、异常和规则文本,逐个说明导入 Excel 的方法:数据→从文本/CSV→编码 UTF-8→订单号列设为文本。CSV 不承诺公式、样式或多表保真。
外部参考与延展
- 遇到公式缓存为空、复杂对象丢失或日期系统不一致时研究。
- 优先查 openpyxl 官方教程、Microsoft Excel 日期与公式文档;关键词 data_only、1900 1904 date system。
- 对比表格转换与工作簿编辑:前者方便聚合,后者更适合保留单元格语义。
- 观察公式缓存、宏保留、外部链接与对象保真边界,不只比较读写速度。
- 先在副本验证受影响对象,再把适用的转换接入步骤 3 或 6。
- 不能证明保真时交付新建工作簿与对象清单,保留源文件。
官方资料入口:Excel 清洗与核对汇总相关资料。 已有材料足够时直接交付;研究只围绕当前失败点,不重复搜集无关项目。 实际采用外部内容时保留必要许可与来源;仅比较机制不复制正文。
验收用例与演示
先读 本批边界案例与可用交付,再读 演示成品 可看到明确模拟输入、成品和下一步。 演示是固定案例的执行结果,不代表所有真实文件和环境都通过验证。 运行当前任务时必须重新核对用户材料,不把演示数据混入用户输出。
复审案例记录仅使用明确模拟输入;运行用户任务时重新生成结果,不复用模拟事实。