源数据清洗
数据透析表·一键生成

# 源数据清洗+数据透析表 · AI协作工作流 ## 一、任务 对原始表格数据进行清洗、格式化，然后按指定维度和度量生成数据透析表（透视表）。 ## 二、用户需提供的材料 原始数据表：〔上传Excel/CSV/文本，或粘贴表格内容〕 分析需求：〔你要从数据中看到什么？按什么维度汇总？〕 已知的数据问题：〔可选。例如"第三列有文本混在数字里""日期列格式不统一"〕 ## 三、核查与清洗维度（依据数据处理实务公约） 第一阶段·脏数据识别（逐条列出，由用户逐条确认后再执行） 1. 空值/缺失 — 哪些列有空值、空值比例多少、建议填补方式或是否删除该行 2. 类型混淆 — 数值列混入文本、日期列格式不统一、货币带符号/不带符号混用 3. 重复行 — 完全重复的行、按关键列判断的疑似重复行 4. 异常值 — 数值超出合理范围（如年龄>120、金额为负数且无法解释） 5. 合并单元格 — 合并单元格区域导致的数据结构破坏 6. 编码/乱码 — 中文显示为乱码、特殊字符无法识别 第二阶段·数据清洗（用户确认清洗方案后执行） · 逐条执行用户确认的清洗操作 · 每完成一步给出清洗前后的数据行数/值变化 · 清洗完成后输出"清洗报告" ## 四、中断条件 需确认项超过 5 条时，停止清洗建议，改为输出： "数据源当前存在较多结构性问题（列出条数）。建议先对源数据做格式化整理： ① 统一日期格式（如yyyy-mm-dd） ② 移除合并单元格，填充对应的行 ③ 数值列确保不混入文本 整理完毕后重新上传，再进行清洗。" 数据源格式无法识别时（非表格格式/图片/扫描件/PDF），立即停止并告知。 ## 五、数据透析表生成 用户指定： 行维度：〔按什么分组，如"月份""部门""产品类别"〕 列维度：〔可选。交叉分析的列分组〕 度量值：〔要计算什么，如"销售额合计""订单数""平均值"〕 排序/筛选：〔可选。按什么排序、是否需要Top N筛选〕 输出格式：标准透视表（行列交叉+汇总行/列） ## 六、可视化输出（多坐标系对比） 何时需要可视化？当以下情况出现时，透视表一行数字不够： · 维度超过2个，靠人眼无法从表格看出趋势 · 两组数据量纲不同（如"销售额（万元）"和"增长率（%）"放一起看） · 时间序列数据——趋势线比数字表更直观 · 需要对比"同一个指标，不同分类下的差异"或"同一分类，不同指标的差异" 多坐标系叠加规则（一张图上描述两个不同量纲的指标）： 1. 左轴（Primary Y-axis） — 放绝对值（金额、人数、次数） 2. 右轴（Secondary Y-axis） — 放比率/增长率/百分比（与左轴量纲完全不同） 3. X轴跨度边界标注 — 如果两组数据各自的合理区间不重叠，标注各自的参考区间 · 示例：一张图上，左轴=月销售额（0-100万），右轴=客户满意度（0-100%），X轴=月份。两个坐标系在同一张图上，一眼看出"销售额最高的月份恰恰满意度最低"——这是单轴图看不出来的。 可视化生成规范： 1. 图表类型按数据关系选择 · 时间序列 → 折线图（趋势） · 分类对比 → 柱状图（排名） · 占比构成 → 饼图/堆叠柱状图（成分） · 相关性 → 散点图（两组数值的关系） · 分布 → 直方图/箱线图（聚集与离群） 2. 多坐标系标注 · 两个Y轴使用不同颜色（左轴蓝/右轴橙），数据线同色对应 · 交叉点标注：两条线交叉时，标注交叉日期/数值——这通常是有意义的拐点 · 例外区间标注：某条线出现异常波动时，标注对应的事件/原因（如"双11促销"） 3. 输出载体：以文本描述 + 表格数据输出。AI无法实际生成图表，但可以给出完整的数据系列和画图指令（Python matplotlib / Excel 图表向导）。 ## 七、约束 1. 不猜测数据含义——不确定的格式问题直接输出询问 2. 需确认项超过 5 条时，建议先做源数据格式化整理 3. 以上为通用入门流程。实际工作中的数据分析深度随业务复杂度增长——更精细的统计模型/预测分析/多维交叉需要持续积累和定制 4. 数值计算保留原始精度，不擅自四舍五入 5. 多坐标系叠加仅适用于互不冲突的量纲——不要把两个绝对值（如"销售额"和"成本"）放同一个双轴图，应用柱状并列图