九月份做完了一个数据清洗的活儿，规模不大，但过程里踩到的坑挺典型，记下来。

需求本身很简单：一家本地企业的经营数据分散在四份 Excel 台账里，分别由销售、仓库、财务和门店各维护一份，要合成一张能按日期、按客户、按品类查询的表。

第一个坑：客户名称有四种写法

同一家客户在四份表里出现四种写法，有全称、有简称、有多余空格，还有一次笔误。最后的做法是建一张映射表，把每种写法对应到一个规范名称，而不是靠程序自动模糊匹配——自动匹配错一次，后面所有统计都是错的。

第二个坑：空值和 0 不是一回事

有些行的客户字段是空的，有些行的金额是空的。空值和 0 在 Excel 里看起来一样，业务含义完全不同。我们先跟业务方确认每一类空值代表什么，是“没发生”还是“没填”，再决定补 0、补默认值还是单独标记。

第三个坑：三种日期格式

四份表里混着“2026/9/1”“2026-09-01”“9月1日”三种写法，还有一批是 Excel 的序列号数字。统一成标准日期之后，按月份分组才对得上。

交付了三样东西

一张清洗后的结果表、一份字段口径说明、一段可以重复运行的清洗脚本。第三样是关键：下个月数据更新了，脚本再跑一遍就行，不用从头再来。

这次的结论是：数据清洗项目里，跟业务方确认口径的时间应该占到一半以上。脚本写得再漂亮，口径错了也是白做。