一句话总结
先贴 10-20 行脏数据样本，明确告诉 AI 允许做哪些变换，并要求它产出 diff 日志和 review 队列。核对样本无误，再放大到全列。一次性清洗就用 ChatGPT 的文件分析（Plus，2026 年 6 月 $20/月），它会对你的 .xlsx 写并运行 pandas 代码；想在文件内做可复用的清理，用 Excel 的清理数据（Clean Data）（Microsoft 365 Copilot），它能一键预览卡片修空格、大小写、文本存成数字的问题——但它不会删重复行、也不会拆列。永远别让 AI 悄悄改意思，要逼它标出来。
任务场景
你拿到一份导出——客户名、地址、标签、商品名——状态”非常生猛”：大小写混乱、首部空格、错字，John Smith 和 john smith 并排。你需要一个干净的列来筛选、做 Join 或出报表。手动 regex / 查找替换太慢，AI 一段 Prompt 就能搞定——前提是先样本、先核、再放大。
哪些适合让 AI 做，哪些不要
AI 在模糊归一、去重、明显错字修复上很强；但在”悄悄改了意思”上既差又危险：它可能把 Sun “修”成 Sunday、co 推断成 Colorado、Apple 写成 Apple Inc.——有时对，有时灾难。其实 ChatGPT 的文件分析是在沙箱里跑 Python（pandas），所以它像个初级数据分析师：快、死板，偶尔过于自信。务必先样本验证，并讲清允许做哪些变换。
选对工具（2026 年 6 月）
| 工具 | 最适合 | 限制 / 价格 | 能去重？ | 能拆列？ |
|---|---|---|---|---|
| ChatGPT 文件分析（Plus） | 一次性清洗导出文件，pandas 灵活度最高 | $20/月；单文件约 50 MB；沙箱跑 Python | 能，精确 + 近似 | 能 |
| Excel 清理数据（M365 Copilot） | 信任的就地修复，不用重新上传 | 需 M365 + Copilot 授权；建议 ≤ 5 万行 / 100 列；英文效果最好 | 不能（用删除重复项 / Power Query） | 不能（用分列） |
| Gemini in Google Sheets | 留在表内的清洗、多步编辑 | 上传表格需 Google AI Pro（$19.99/月）；约 5 万行从容 | 能，靠 Prompt | 能 |
| Claude（Pro） | 需要清晰审计链的反复、谨慎清洗 | $20/月；单文件 30 MB；diff 日志可靠 | 能 | 能 |
Excel 的清理数据在”数据”选项卡里：它扫描表格，逐项弹出建议卡片，处理空格（Microsoft Excel → Microsoft Excel）、大小写（EXCEL → Excel）、以及”存成文本的数字”。但它不删重复行、也不拆合并字段——那些得用删除重复项、分列或 Power Query。凡是模糊的活（错字、“J. Smith 和 John Smith 是不是同一人？”），带文件上传的对话模型更能胜任。
需要给 AI 的输入
- 10-20 行脏数据样本
- 期望输出格式（
lowercase/Title Case/ 精确的姓 名） - 不允许改的事（“不要展开缩写”、“不要推断国家”）
- 一份”理想输出”样本，让 AI 知道什么算成功
- 要对照的参考列表（受控词表 / 城市清单）
- 不确定行：是标出来还是给最佳猜测
可直接复制的 Prompt
清洗这列脏文本。
期望输出：[格式 + 示例]
允许变换：[大小写归一 / 去空格 / 修明显错字 / 去重]
不允许：[展开缩写 / 推断缺字段 / 合并人名 / 改变意思]
参考列表（如适用，必须匹配）：[list]
不确定行：[标 [REVIEW: 原因] 或最佳猜测]
样本（10-20 行）：
"""
[paste]
"""
理想输出示例：
"""
[贴 3-5 行干净的]
"""
请输出：
1. 清洗后的样本，与输入行对齐
2. diff 日志——你改的每一行：原值 / 新值 / 原因
3. review 队列——不确定的行
4. 这段 Prompt 是否能安全放大到全列
不确信时不要硬套模式，标出来。1000+ 行的活，再加一句：“样本确认后，给我精确的变换规则（一段 Power Query 脚本、一段 pandas 代码，或公式），让我用确定性方式放大，而不是再 prompt 一次。“
为什么 diff 日志最关键
最有用的输出就是 diff 日志（原值 / 新值 / 原因）。没有它，错误会无声传播——列看起来很干净，实际上有三行悄悄改了意思。review 队列是它的搭档：被标的行不是失败，是稳妥路径。对真实数据来说，一个”零不确定行”的 AI 不是完美，是过于自信。
怎么判断结果能不能直接用
- 同一段 Prompt 在同一样本上跑两次，输出应当一致。不一致说明规则没说清。
- 在 diff 日志里抽 5 行，回到原始输入核对。
- 确认 review 队列存在，且被标的行确实是有歧义的。
- 参考列表是精确匹配——不能有”近似匹配未标记”溜过去。
- 没有任何一行”意思”被改：
sun→Sun只是改大小写；Sun→Sunday是改意思，绝不能悄悄发生。
容易踩的坑
- 不取样直接把全列丢进去——错了等于遍地都是才发现。
- 没给”理想输出”样本——AI 只能猜你想要什么。
- 让 AI 展开缩写——
USA变United States of America会破坏下游 Join。 - 没 diff 日志——更正悄悄发生。
- 把 review 队列当成缺陷，而不是一项功能。
- 在 Excel 清理数据里以为它帮你删了重复行——它不会。要用删除重复项或 Power Query。
FAQ
- 用公式还是 AI？ 确定性规则用公式（或 Power Query）；模糊活用 AI。两者结合：AI 找模式，再用它生成的公式或 Power Query 脚本确定性地放大。
- 行数上限是多少？ Excel 清理数据建议在 5 万行 / 100 列以内效果最好。ChatGPT 和 Gemini 都能从容处理约 5 万行的文件；更大或需要反复迭代时，让 AI 出脚本、在本地跑。
- PII 怎么办？ 姓名、邮箱、ID 要谨慎。敏感字段先 hash 或脱敏再贴，并优先用把数据留在你账号内的工具（Excel 清理数据、Gemini in Sheets）。
- AI 会按相似度去重吗？ 会，但相似度规则要核。
John Smith和J. Smith可能是同一人也可能不是——让 AI 把近似匹配标出来，而不是自动合并。 - 为什么清洗后这列还是不对劲？ 清理数据是为英文调校的；多语言或带变音符的列可能要改用对话模型或 Power Query。
相关
- 表格解读 ——把干净表压成易读总结
- 图表关键信息 ——清洗后看图
- 电子表格错误诊断 Prompt ——公式出问题时
- Excel 公式解释 Prompt ——读懂现有公式
- Excel 分析 Prompt ——清洗后的深度分析
- ChatGPT 处理电子表格 ——工具走查
- AI 表格解读教程 ——完整表格流程
外部参考：微软——用 Excel 中的 Copilot 清理数据，以及 pandas 官方文档（ChatGPT 背后用的就是它）。