WorkBuddy数据清洗指南：一键处理重复缺失与格式混乱

几乎可以这么说，手里拿到一份数据，十有八九是“脏”的。重复的行、空着没填的字段、日期格式五花八门——有的写"2026.1.1"，有的写"一月一号"，名字有全角有半角。直接拿这样的数据去建模、做报表，模型学歪，报表算错，最后全是白忙活。这篇文章，就用大白话聊聊，怎么用 WorkBuddy 当一回“数据洗衣工”，把这堆乱麻理清楚。

一、为什么清洗是必经步骤

脏数据主要有三害：重复数据会让统计结果直接翻倍，缺失值会让计算报错，格式混乱则会让系统根本不认账。清洗，说白了就是把数据收拾干净，让它能正常使用。这一步省不了，否则后面所有工作都白搭。

二、核心提示词模板（可直接复制）

下面是一段脏数据（CSV 或表格文字），请帮我清洗。

数据：[粘贴]已知问题：[如"有重复行、日期格式乱、手机号有空格"]

请输出：

清洗后的干净数据（同格式）。你做了哪些处理，逐条说明（去重、补格式、去空格等）。哪些行处理不了或有疑问，单独列出来让我看，不要擅自改内容。给一句数据健康度判断（重复率、完整度）。

大白话讲你为什么这么处理。

三、多轮工作流

第一轮：拿到干净数据，以及处理说明。第二轮：追问一句——针对那些标为“有疑问”的行，请给出具体修改建议，但必须由我确认后才能改。第三轮：再追问一句——生成一段质检规则清单，以后新数据按这清单逐一检查（比如“日期必须统一为 YYYY-MM-DD”）。

四、具体示例（结构）

比如，数据里有一条“张三,138 0013 8000,2026.1.1”，还有重复行。那么输出应该是：

清洗后：张三,13800138000,2026-01-01，重复行已删除。

处理说明：去空格、日期标准化、去重。

疑问行：其中一条手机号位数不对，已列出，待确认。

健康度：重复率 8%，完整度 92%。

注意：以上为结构示例，实际以 WorkBuddy 实时返回为准。

五、进阶：固化成规则

其实，还可以更进一步。追问一句：“把上面这些规则，整理成一份标准的数据接入检查清单，以后每次新数据进来先过一遍。”这样，一次性的清洗活儿，就变成了一个可以反复使用的规范流程。

六、踩坑

首先是坑一：让AI擅自修改有疑问的内容，改错了，后续根本没法追溯。所以规矩得立好——有疑问先列出来，不擅自改。坑二：不要求AI说明每一步处理，结果后面根本不知道它动了什么。坑三：一次清洗太多数据，AI容易遗漏，分批处理更稳妥。

七、小结

最后再强调一句：数据清洗不是锦上添花，而是数据能用起来的前提。用本文的模板，把重复、缺失、格式混乱的问题理干净，再进入下一步的数据治理。大白话讲就是：数据先洗澡，再上桌。