学会这6步,Excel数据清洗与整理

先备份，再动手；顺序错了，越洗越乱

不讲函数原理，只给能照抄的六步

不讲函数原理，只给一套固定的六步清洗顺序，每一步都配上能直接照抄的公式和菜单路径。顺序很重要，跳步会返工。

所有操作都在 Excel 自带功能里完成，不需要装插件；WPS 表格基本通用，个别函数名有差异的地方会单独标注。

如果这张表只是自己看一眼、不参与计算，那筛选一下就够了。清洗的目的是让数据能被计算、匹配和分组统计，脱离这个目的去做规范化，只是浪费时间的自我感动。开工前先问一句：这张表接下来要干什么？答案不同，清洗的深度就不同。

清洗最耗时的部分不是敲公式，而是反复返工。返工通常来自动手前没想清楚三件事。

判断一：这张表是一维表吗？

一维表的标准是：第一行是表头、每一行是一条独立记录、没有合并单元格、没有小计行。只有一维表才能正常使用筛选、排序和数据透视表。如果原表带着合并单元格的标题、季度小计行、多个表块拼在一起，那第一步不是清洗而是先把它拆回一维，否则后面每一步都会出问题。

判断二：主键是哪一列？

主键就是能唯一标识一行的字段，比如订单号、工号、手机号。它决定了去重的判断依据，也决定了核对时按什么对齐。如果单列不唯一，就要找组合主键（比如「日期 + 门店 + 商品编码」）。这一步想不清楚，去重就会误删。

判断三：原始备份做了吗？

不要在别人给的原表上直接动手。整表复制一份，命名为「原始数据」，把清洗结果做在新表里。它的作用不只是防误删——当核对发现总数对不上时，你需要有能力回到原表重查。

三步做完，清洗流程就固定下来了：

三个阶段里，备份最容易被跳过，校验最容易被糊弄过去。

匹配类问题（VLOOKUP 查不到、COUNTIF 数不准）里，一半以上是空格造成的。而空格有好几种，处理方式完全不同。

关键点在于从网页或系统导出的表格里，空格常常是 CHAR(160) 而不是普通的 CHAR(32)。TRIM 对它无效，你必须先用 SUBSTITUTE 把它替换成普通空格，再 TRIM。这类字符肉眼看不见，只能靠公式检查。

判断某一列是否干净，最快的办法是加两列对比长度：=LEN(A2) 和 =LEN(TRIM(A2))。两者相等说明没有多余空格；不相等说明有，而且差值就是多余空格的数量。

需要提醒的是，TRIM 只处理首尾空格和连续重复的普通空格，单元格中间有意义的分隔空格它会保留。所以清洗前先看一眼数据的实际形态，比背熟公式更有用——不同来源的表，脏法完全不一样，导出系统数据多半是 CHAR(160) 作祟，手工录入的表则更多是前后手滑多敲的空格。

一列里塞了多种信息的表非常常见，比如「北京市-朝阳区-张先生」挤在一格里。要按地区统计，就必须先拆开。

不用公式的两种更快做法。第一种是数据 → 分列，按分隔符（逗号、横线、空格）或固定宽度拆分，一步到位，且不受版本限制。第二种是快速填充（Ctrl+E），在目标列手写一两个示例，按 Ctrl+E，Excel 会按你的模式自动推断并填充整列。

Ctrl+E 很方便，但要注意它是按示例推断，不是按规则计算。示例只给一个，遇到边界情况很可能猜错。给两三个不同类型的示例，结果才稳定。批量数据建议在填充后抽查十几行，确认无误再值化。

格式不统一是透视表出错的头号原因。最常见的三类问题及对应处理：

判断文本型数字有个更直观的标志：单元格左上角的绿色小三角。也可以直接看求和结果——如果一列数字的 SUM 是 0 或者根本没反应，先怀疑它是文本。

文本型日期同样是重灾区。「2026年9月1日」这种内容 Excel 不会识别为日期，你既不能排序，也不能按年月分组。处理它有两种办法：函数法用 DATEVALUE，但结果受区域设置影响，容易出错；更稳的是分列法——选中该列，数据 → 分列，一路下一步到最后一步，列数据格式选「日期 YMD」，完成。分列法会把整列原地转成真日期，比函数更可靠。

全角半角混排的问题常出现在从聊天工具复制的数据里，「１」和「1」在 Excel 眼里是两个不同的字符，匹配必然失败。用 ASC 统一转成半角即可。

去重的第一步不是点按钮，而是先确认主键。同一个订单号出现两次是重复，但同一个客户下了两单是正常数据——按客户名去重就会把真实订单删掉。

先排查，再决定删不删：

排查用这三种方式：

确认无误后再用数据 → 删除重复项，它会原地删除数据行。注意它有两个选项：按选定列判断，还是按整行判断。多数情况下你要的是「按主键列判断」，别忘了在对话框里取消勾选其他列。

还有一种容易误判的情况：两行看着完全一样，实际却有细微差别，比如多一个空格、混了一个全角字符。这时辅助列的 COUNTIF 可能把它们算作同一个值，而删除重复项按精确内容判断，结果就是两边结论不一致。稳妥的顺序是先把参与判断的列统一做一遍 TRIM 和 ASC，再去重，这样排查和删除的结果才对得上。

清洗完成不等于可以交付，还差最后一步：核对。清洗前后数据量必须能对上，对不上的部分要能解释清楚。

核对三件套：总行数、关键列非空数、金额合计。这三项在清洗前后应当完全一致；如果做过去重，差额必须等于删除的重复行数，而不是「大概差不多」。

只对总数是不够的。总数一致但内容错位的情况很常见——排序或删行时错位，行数没变，数据却整体串了行。稳妥的做法是抽 10 到 20 行按主键逐行比对，确认每个字段都还对着原来那条记录。这一步花两分钟，能拦住绝大多数低级但致命的错误。

交付前建议再做两件事。一是给关键列加数据验证（数据 → 数据验证），做成下拉选项，防止后续录入再次污染。二是用条件格式标出空值和异常值，比如金额小于 0、日期超出合理区间，让问题在页面上直接可见。

这样交付出去的表，既能用，也不容易被下游改坏。

下面六个坑，几乎每个做数据整理的人都踩过。

数据清洗的门槛不在函数难度，而在顺序和纪律：先备份、再看结构、然后按「空格 → 拆分 → 格式 → 去重」的顺序处理，最后一定做数据量核对。顺序跳步，返工几乎是必然的。

如果一张表要反复清洗，就把这套流程固化成动作：把常用公式做成模板列、把分列和验证步骤记成清单，下次直接套用，能省掉大量重复劳动。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING