ARTICLE · 1214998
05. 几张Excel合并之前,先把数据口径说清
WorkBuddy实操系列 · 05
05. 几张Excel合并之前，先把数据口径说清
✦ ─ ✦
玩AI的杰克
三张表合成一张，文件能打开，行数也看起来正常。可金额一汇总，就有人问：“这一列到底含不含税？”这时才发现，合并动作完成了，业务口径还没确认。
这个任务需要先让WorkBuddy列字段差异。哪些能对齐，哪些要业务确认，分清以后再合并。工具可以处理数据，口径需要我们交代。
STEP
准备三张小表，把问题留在材料里
01
在input中保存下面三个CSV文件，可以用Excel打开。先用六行看懂规则，再扩大到自己的数据；不要一开始就让工具处理几百个文件。
csv
# region-a.csv
region,order_id,amount_gross
A,0001,100.00
A,0002,200.00
# region-b.csv
区域,订单编码,结算金额
B,0001,150.00
B,0002,50.00
# region-c.csv
region,order_id,amount,tax_status
C,0001,70.00,net
C,0002,120.00,gross
实际保存时，文件名说明行不写入CSV。A与B的金额本次都约定为元、含税；C明确含有不含税记录。订单编号必须保留前导零，且同一个编号可以出现在不同区域，主键采用“区域＋订单编号”。
这些约束要写进rules/data-dictionary.md。它决定怎样理解输入，不由列名或模型习惯替你推断。（注意关键词：约束）
STEP
先扫描，暂时不汇总
02
第一轮只读材料，输出字段、类型、缺失值和异常。不要让它顺手把编号变成数字，也不要把不含税金额自动换算。
text
读取input中三份CSV与rules/data-dictionary.md。
先列字段对照、金额单位、含税口径和建议主键。
检查订单编号是否按文本保留，区域加编号是否唯一。
不修改、不汇总、不自行补税率。
列出需要业务确认的记录，等我确认后再继续。
这一轮应识别B表的字段异名，以及C区0001的“net"状态。若它认为所有“金额”都能相加，就回到材料里说明净额与含税金额的区别。所以这个配置的关键是告诉模型概念，模型通过概念去获取应该获取的数据，可以看之后的例子中，为什么 net 的 70 不累加进去。
字段映射可以记录为下面的配置。它需要在指令中明确引用，不是平台自动加载文件，可以理解为让模型统一关键字。
json
{
"区域": "region",
"订单编码": "order_id",
"结算金额": "amount_gross",
"key": ["region", "order_id"],
"currency_unit": "CNY_yuan"
}
STEP
确认异常怎么处理，再生成规范表
03
这次选择保留所有原始数据，但只把已明确含税的五条记录放进规范结果。C区0001进入异常表，等待确认税率或拿到正确口径，不删除也不猜测。
text
按确认规则生成output/clean.xlsx。
规范字段为region、order_id、amount_gross、source_file、source_row。
订单编号保持文本；主键按区域与编号组合。
C区0001是不含税记录，放入output/exceptions.xlsx，不换算。
在checks/merge-review.md记录字段映射、各文件行数与异常原因。
不覆盖input，不自动删除任何记录。
若无法生成XLSX，说明限制，先交CSV与核对说明。
XLSX 即 Office 软件能力，负责文件生成。它有没有按约定处理文本、字段和金额，仍需要通过结果核对。只有CSV时明确记录格式未达原目标，不能称为Excel完整交付。
数据量大以后，“来源文件＋原行号”很有用。看到一条异常，可以回到原记录确认，而不是只剩下一张已经清洗过、找不到出处的表。
STEP
行数和金额都要对得上
04
这组材料共六条数据。按当前教学规则，规范表五条，异常表一条；五条含税金额应为100＋200＋150＋50＋120＝620元。70元净额暂不纳入这个总数。
这些是人工设计的验收值，不是WorkBuddy的实际运行回执。自己执行后，检查输入六行能否通过来源记录对应到五行规范数据和一行异常。
再用Excel公式或独立脚本计算规范金额。下面只展示金额求和的关键规则：
python
from decimal import Decimal
values = ["100.00", "200.00", "150.00", "50.00", "120.00"]
total = sum((Decimal(x) for x in values), Decimal("0.00"))
assert total == Decimal("620.00")
Decimal适合这里的确定小数计算。完整数据处理还需处理空值、异常文本与重复主键，不能只把这几行示意代码复制后当成全套生产程序。
STEP
碰到重复，先保留两边原值
05
真实文件可能有同一订单的两个版本。重复不一定就是多余，也可能是更正记录、不同状态或重复导入。先列出两条来源，确认业务规则以后再决定保留哪一条。
text
发现重复组合主键时，保留所有冲突记录与来源。
不要默认保留最后一条或金额更大的一条。
输出重复清单，说明哪些字段不同，等待我确认。
其他已确认记录可以继续处理，但在报告中标清未解决部分。
如果工具已把0001改为1，修复要回到原输入，不能凭结果猜补几位零。让它按文本重读编号，重新生成规范表，并在核对说明里记下修正。
STEP
把口径和处理记录一起留下来
06
一次合并结束，值得保留的是字段字典、异常处理规则、来源映射和核对方法。下个月换文件，先扫描它们是否仍然成立，再执行同一流程。
数据变得整齐只是第一步。每一行如何进入结果、每个金额按什么口径计算、未解决项在哪里，说明清楚，才有基础把这个过程做成后面的可复用Skill。
我是玩AI的杰克，原樊登读书企业版技术负责人、IBM 架构师，有 20 年技术开发与企业数字化实践。持续分享 AI、软件工程和技术运营的经验与思考，欢迎关注。
