夜雨聆风大家好，我是某白。
我们平时做实验，势必会产生很多实验数据。如果你做实验习惯不好，实验数据到处乱丢，那么整理数据是一件非常痛苦的事情。
比如，20 个 Excel 文件散在文件夹里，列名不统一——有的叫"样本编号"，有的叫"ID"，有的干脆是"A"。合并之前先得一个个打开看，手动对齐列名。合完之后还有空行、重复行、日期格式乱七八糟。一张表弄干净，半天没了。
这还只是第一步。后面还要分组统计、跨表匹配、按条件拆成几十个文件。每步都有一堆函数要查——VLOOKUP 四个参数背不下来，SUMIF 的 range 和 criteria 谁先谁后永远记不住，透视表拖来拖去像个迷宫。
现在，这些事不需要记了。用 Claude Code，Codex，或者任意一个Agent，用中文描述你要什么。函数不管了。
这篇文章是一张地图。从数据规范，到基础操作，到统计分析，再到把自己的流程封装成 Skill——四个阶段，按顺序走完。已经会某部分的，直接跳到对应阶段。
第〇章：动手之前——先把数据规范好
这是最容易被跳过的一章，也是后来所有坑的根源。
AI 能帮你清洗数据，但不能替你理解一团乱麻。如果你的 Excel 打开来列名是"实验1""测试数据""新版本"，合并单元格到处是，日期写成"2024.3.15"——AI 也会懵。不是它不够聪明，是信息本身就不清晰。
六条规则，打开你的 Excel 对着过一遍：
一行一条记录，一列一个变量。 不要把"第1组第3次"塞进一个格子。 列名用英文，小写加下划线。 sample_id 比"样本编号"更容易被 AI 精确理解。 不要合并单元格。 拆分它们。合并单元格对 AI 来说是一堵墙。 原始数据和分析结果分开放。 别在原始数据表里直接改，哪天发现改错了回不去。 日期统一 YYYY-MM-DD，数字别混中文单位。 2024-03-15，不是 2024.3.15 也不是 3月15日。数值列里别写"12.5kg"，写 12.5，单位放列名。 文件命名加了日期和关键信息。 2024-03_细胞实验_对照组_第1批.xlsx 比"数据.xlsx"强一百倍。
一个边界判断：如果你的数据超过 10 万行、需要多人同时编辑、或者需要事务级别的数据完整性——该上数据库了。
第一章：基础操作——五句话替代 Excel
数据规范好了，开始动手。这五个操作覆盖了日常 80% 的 Excel 工作量。每个操作都对比一下——你以前怎么做，现在怎么说。
1. 合并多个文件
场景：20 个结构相似的 Excel，要合并成一张表。以前的做法：每个打开、复制、粘贴、对齐列名，两小时。现在，把这些文件放在一个文件夹里面，在其中启动Claude Code，或者在Codex App里面，以这个文件夹为项目文件夹。然后输入：
把这个文件夹里所有 Excel 合并成一张大表，统一列名，去掉空行和重复行
Agent会自己读每个文件、对齐列名、清洗、合并。最容易被忽略的是清洗——合并之后数据很可能还是脏的，日期格式不统一、数值列里夹着文本。继续跟它说：
检查合并结果，把所有列的数据类型规范化，日期统一成 YYYY-MM-DD，数值列去掉多余的符号和空格
它把问题列出来，问你要不要修。你说"修"，五分钟从 20 个散落的文件到一张干净的大表。
2. 筛选和分组统计
你知道 SUMIF 的 range 和 criteria 哪个在前吗？我用了好多年的 Excel，每次写 SUMIF 还是得先打个等号，等着弹出参数提示看一遍顺序才敢往下写。拖动公式的时候 $ 有没有加对、条件范围有没有偏移——一个没注意，全部结果歪掉。
现在：
筛选出处理组是"高剂量组"且反应速率大于 5.0 的记录
按处理组分组，统计样本数、反应速率平均值和标准差
按样品类型和浓度范围做交叉统计，行是处理组，列是浓度范围，值是样本数
不再打开筛选器和透视表界面。描述你要的口径，结果直接出来。
3. 跨表匹配——告别 VLOOKUP
VLOOKUP 是 Excel 里那种"每次用都要查一遍"的函数。它确实能解决问题——两张表按某个字段把数据对上。但每次写它的体验都很差。你以前怎么写：
=VLOOKUP(A2, Sheet2!A:D, 3, FALSE)
lookup_value、table_array、col_index_num、range_lookup——四个参数每次查一遍。写错了还默默返回 #N/A，或者更惨：返回一个错误的匹配结果，你根本看不出来。而且它只能向右匹配——匹配字段必须在查找字段的右边，反了就得重建表格或上 INDEX+MATCH 套娃。
现在：
把"样本信息表"按"样本编号"和"检测数据表"匹配，结果加到信息表里
这就完了。还能做 VLOOKUP 做不到的事——反向查找、多条件匹配：
根据"处理组"和"实验日期"两个字段，把测量数据匹配到实验记录里
你不需要知道 INDEX 和 MATCH 怎么嵌套。描述两张表之间的关系，剩下的交给它。
4. 批量拆分
场景反过来：一张表 3000 行，按处理组拆成 30 个独立文件。以前的痛苦：筛选→复制→新建→粘贴→保存，30 遍。如果每个文件还要加一份统计报告，翻倍。
按"处理组"拆分成多个文件，每个处理组一个独立 Excel，再生成一份汇总报告列出每个处理组的样本数、平均反应速率和样品类型比例
一句话。以前一下午的活，一分钟。
5. 一句话出图
画一张按处理组分组的平均反应速率柱状图，颜色按样品类型区分
画降解曲线，两条线分别代表高浓度组和低浓度组
图的类型、分组、颜色——用中文描述，Agent 用 Python 画出来。
第二章：统计分析——从描述到推断
学完第一章，你已经不需要手动操作 Excel 了。但从"整理数据"到"做分析"，中间有一条重要的分界线：AI 帮你执行统计，但研究设计和分析策略必须你定。它不会替你想"应该做 t 检验还是 卡方 检验"，你得告诉它。
描述统计与基线特征表
论文里的 Table 1：分组描述基线特征，给出组间比较的 p 值。以前要半天：
Agent 输出一张可以直接放进论文的表格。读取实验数据，按"实验条件"分组，生成基线特征表，包括反应速率、样品类型、浓度、实验条件——连续变量给出均值±标准差并用 t 检验比较，分类变量给出例数百分比并用卡方检验比较
回归分析
分析反应产率的影响因素。先做单因素分析，把 p<0.1 的变量纳入多因素模型，输出系数和 95% 置信区间
如果你做的是连续因变量，换线性回归。Agent 自己选函数、处理变量类型、检查共线性。
时间序列分析
分析影响反应时间的因素，画降解曲线，两条线代表高浓度组和低浓度组，加统计检验的 p 值
统计分析避坑清单
AI 能执行统计，但不会替你检查前提。以下六条每次分析前过一遍：
变量类型搞对了吗？ 浓度=10 不是"高浓度"，它是一个连续值 10。分类变量需要你主动告诉 AI。 缺失值处理了吗？ AI 不会自动判断缺失是随机的还是有偏的——你得决定删掉还是填补。 共线性检查了吗？ 做回归之前，让 AI 跑一遍 VIF。 频数太小别用卡方。 期望频数 < 5，用 Fisher 精确检验。 统计显著不等于实际有意义。 p<0.05 但系数极小——在实际中可能毫无意义。 亚组分析不能"把数据切成几份分别跑"。 需要交互作用检验，否则你只是在降低统计效力。
第三章：沉淀——把流程做成 Skill
你已经能用 Agent 做分析了。但每次都描述一遍"按处理组分组、统计平均值、画图"吗？
Skill 就是一个标准化流程文档。你写一次，AI 每次拿到类似任务就照着执行。它不是"多写几句提示词"——Skill 包含目录结构、SKILL.md 入口、辅助脚本和参考文档。
从最小的任务开始。比如"合并 Excel"：
第一版：在 SKILL.md 里写清楚步骤——1. 读文件夹 2. 统一列名 3. 合并 4. 去重去空 用几次后：发现有的文件列名不标准，加一段"列名映射"的规则 继续打磨：加一个 reference 文件，列出常见列名变体（"样本ID"→sample_id，"编号"→sample_id） 最终版：80 行核心逻辑 + 3 个辅助文件，任何时候说"合并这些 Excel"，自动执行
迭代比创建重要。第一版能用就行，用多了才知道哪里会卡。从"会用来分析"到"会建 Skill 来复用"，这是效率的真正跃迁。
附录：一张速查卡
常用操作 → 一句话 Prompt
避坑速查
数据规范（6 条）： 一行一记录 / 英文列名 / 别合并单元格 / 原始和分析分开 / 日期和数字统一格式 / 文件名带日期和关键信息
统计分析（6 条）： 变量类型 / 缺失值 / 共线性 / 小频数用 Fisher / 显著≠有意义 / 亚组分析要交互检验
从"手动操作 Excel"到"用中文描述你要什么"，这条路不短。但每一步踩实了，后面就是加速度。
先打开你那个散落着 20 个 Excel 的文件夹。跟 Agent 说第一句话。
如果觉得有用，随手点个赞、在看、转发三连吧，也方便更多朋友看到。如果想第一时间收到推送，也可以给我个星标。
有什么好的想法或者意见，在评论区和我聊聊吧。
