OmniDocExcel数据清洗练习题与实战案例
整理 6 类常见 Excel 数据清洗练习题，每题给出样例数据的问题特征、目标结果和检查方法，帮你从日期、空格、重复、缺失到拆分合并逐步练起。
如果你正在找 Excel 数据清洗的练习材料，或者准备在实习、工作中处理一批杂乱的表格，这篇文章适合你。很多人学过几个函数，但一打开真实数据就不知道从哪里下手：日期有的是文本、有的是真日期，名字末尾带着看不见的空格，同一个客户被写成了三种样子。
这篇文章不讲某一个具体文件怎么修，而是给出六道常见练习题和对应的实战案例。每道题都说明样例数据有什么问题、要达到什么结果、怎么检查做对了没有。你可以用自己编的表格照着做，也可以套用手边导出的数据。
读完你能得到一套练习顺序，以及一个可以反复使用的检查流程。
怎么练 Excel 数据清洗？一句话结论
先定义"干净"的标准，再按题型一类一类地处理，效果较好。练习时不要想着一次解决全部问题，每次只盯住一种毛病。
| 你的情况 | 推荐做法 | 原因 |
|---|---|---|
| 刚开始练，不知从哪学 | 按本文六题的顺序逐题完成 | 问题由浅入深，互不干扰 |
| 已经会基础函数，想提速 | 先练重复和缺失，再练拆分合并 | 这两类问题容易影响汇总结果 |
| 要处理一份真实导出数据 | 先复制一份，只在副本上操作 | 清洗出错时可以随时回退 |
| 数据来自 PDF 表格 | 先确认能否选中表格文字，再决定导出方式 | 扫描件的数字可能识别有误，需要核对 |
场景：一份从三个渠道汇总来的客户表
假设你要交付一份约 30 行的客户清单，数据来自三个渠道：官网表单、线下登记表，以及合作方发来的 PDF 表格。三份数据合并后列名相同，内容却五花八门。有的日期写成 "2024.3.5"，有的是 "2024/03/05"，还有直接输入的 "3 月 5 号"。电话号码有的带空格，有的带横线。同一家公司可能出现 "华宇科技" 和 "华宇科技 "（末尾多一个空格）两种写法。
交付时，对方要求能按月统计、按地区筛选，并去掉重复客户。卡住的地方在于：如果不先统一格式，筛选和统计结果都会出错，而且很难一眼看出问题在哪里。
完整流程
- 备份并定标准。 复制原始文件，新建一个"清洗版"工作表。在纸上写下每列应有的类型：日期列只能是日期，金额列只能是数字，地区列只能是事先列出的几个值。如果原始数据来自 PDF 表格，可以先用 OmniDoc 桌面客户端的 PDF 编辑器导出为 Excel 文件；扫描版 PDF 需要先做 OCR，导出后同样要核对数字。
- 练习题一：统一日期。 样例中的 A 列混有文本日期和真日期。先用分列功能或 DATEVALUE 等函数尝试转换；对无法识别的写法（如 "3 月 5 号"），手动改成标准日期，再对整列统一设置日期格式。检查方法：用 COUNT 统计数字单元格个数，用 COUNTA 统计非空个数，两者相等说明已全部转为日期。
- 练习题二：去除空格和不可见字符。 用 TRIM 去掉首尾及多余的中间空格，用 CLEAN 去掉从网页或 PDF 复制时常带入的不可见字符。先在辅助列写公式，确认结果无误后再粘贴为值替换原列。检查方法：用 LEN 比较处理前后的字符数，差值应等于删掉的空格和字符数。
- 练习题三：查找并处理重复行。 先明确"重复"的口径：是整行完全一致，还是只看手机号。用 COUNTIF 在辅助列计数，结果大于 1 的即为重复候选。检查方法：筛选出候选行，人工对照几组，确认是同一客户后再删除，删除前保留一份备份。
- 练习题四：补全或标记缺失值。 用筛选找出空白单元格并统计数量。能从其他字段推出的内容（例如由城市推出所属地区）可以补全；推不出的统一填写"待确认"，不要留空，否则透视统计时会漏掉这些行。检查方法：用 COUNTBLANK 统计空白数，结果应为 0。
- 练习题五：拆分与合并文本列。 样例中 "北京-海淀-中关村" 需要拆成省、区、路三列。用分列功能，选择分隔符 "-"。反过来练习时，可以用 & 符号把三列合并回一列。检查方法：拆分后各列非空数之和应与原列非空数一致，并随机抽 3 行与原文对照。
- 练习题六：统一类别取值。 "北京""北京市""BJ" 应统一为同一个标准值。先筛选该列，查看全部不同取值，建立一张"原值—标准值"的对照表，再用查找函数批量替换。检查方法：用数据透视表查看类别个数，应等于对照表中标准值的个数。
- 交叉检查并交付。 用数据透视表按月份、地区各统计一次，核对总数与清洗前原始行数是否对得上（扣除已确认删除的重复行）。确认无误后，删除辅助列，保存为新文件交付。
容易出问题的地方
- 文本日期混在真日期里。 表现是排序或筛选时日期乱序。处理办法是按第 2 步的 COUNT 与 COUNTA 对比检查，直到两者相等。
- 粘贴为值时覆盖了原数据。 一旦替换完成，原始信息就找不回来。处理办法是始终保留原始表，所有替换都在清洗版中进行。
- 前导零丢失。 工号 "00125" 显示成 "125"，统计和匹配都会出错。处理办法是导入前把该列设为文本格式；已经丢失的，用 TEXT 函数按位数补零。
- 长数字被改写。 身份证号、银行卡号超过 15 位后，末尾会变成 0 或显示为科学计数法。处理办法是把这类列按文本处理，并在导入前设置好格式。
- PDF 识别或机器翻译出错。 OCR 识别的数字可能把 8 认成 3，机器翻译的类别名也可能不准。处理办法是导出后抽样核对，重要数字逐一对照原件。
🎯 哪种做法适合你？
如果你是刚入门的新手
按六道练习题的顺序，每题只做一种问题，并用计数方法检查结果。先练会"备份、处理、检查"三步，再考虑提速。
如果你要在实习中处理真实数据
先向负责人确认"干净"的标准，比如日期格式、类别名称、重复的判断口径，把它们写成清单，再开始动手。
如果你的数据主要来自 PDF 表格
先确认表格是否可以选中文字。可以选中的，导出后直接清洗；扫描件则需要先 OCR，并对导出结果做抽样核对。
如果你想做成可以反复使用的流程
把六道练习题的处理顺序和检查方法记成一张模板表，下次拿到新数据时按同样的步骤走一遍，能省去大量重复判断。
❓ 常见问题（FAQ）
1. 练习数据去哪里找比较好？
建议自己编一份 30 行左右的样例，故意混入日期、空格、重复、缺失等问题。也可以用自己的消费记录、课表等日常数据练习，贴近实际、也不涉及隐私外泄。
2. 清洗之后还需要保留原始数据吗？
需要。原始数据是追溯依据，清洗版出现问题时，可以回到原表重新处理。
3. 可以请聊天机器人帮忙写清洗公式吗？
可以，但要把它给出的公式拿到样例表上实际运行一遍，并用第 8 步的方法核对结果，不能直接相信。
4. 挑选免费的 Excel 练习资源时该看什么？
看数据来源是否说明清楚，文件大小和格式是否方便下载，是否带水印，以及练习后能否直接在 Excel 中打开并保持原有格式。
📝 总结
练 Excel 数据清洗，关键不在于记住多少函数，而在于先定义干净的标准，再一题一题用计数和抽查验证结果。把本文六道题在样例表上完整跑一遍，再去处理真实数据，会顺畅很多。
