在大数据时代，数据被称为"新石油"。企业通过收集海量数据，挖掘其中有价值的信息，指导商业决策。然而，原始数据往往是"脏"的——它们可能包含重复记录、缺失值、格式不一致、异常值等问题。

如果用脏数据进行分析，结果必然是不可靠的。因此，数据清洗（Data Cleaning）成为数据分析过程中最基础、最关键的步骤。

有研究表明，数据科学家和分析师有60%-80%的时间都花在数据清洗和数据准备上，真正用于分析的时间只占20%-40%。

好消息是，WPS表格提供了丰富的数据清洗工具，无需编写复杂的代码，就能完成大部分数据清洗工作。

本文将带你全面了解WPS表格中的数据清洗技巧，让你能够高效地将脏数据转化为干净数据，为数据分析打好基础。

第一章：认识脏数据与数据清洗
1.1 什么是脏数据
脏数据（Dirty Data）是指不符合数据质量要求的、存在各种问题的数据。常见的脏数据类型包括：

重复数据：

同一条记录被多次录入
例如：客户表中，同一个客户出现了两次
缺失数据：

某些字段的值为空
例如：员工表中，某些员工的"电话号码"字段为空
格式不一致：

同一字段的数据格式不统一
例如：日期字段，有的写成"2024/6/8"，有的写成"2024年6月8日"，有的写成"06/08/2024"
异常值：

明显不符合常理的数据
例如：年龄字段出现了"150"，显然是错误的
拼写错误：

文字字段存在错别字
例如：省份字段，"广东省"被误写为"广省"
不统一的数据表达：

同一含义使用了不同的表达
例如：性别字段，有的写"男/女"，有的写"M/F"，有的写"1/0"
1.2 数据清洗的目标
数据清洗的目标是获得"干净数据"，干净数据通常具有以下特征：

完整性：没有缺失关键字段
一致性：同一字段的格式和表达统一
准确性：数据真实反映实际情况
唯一性：没有重复记录
有效性：数据在合理的范围内
1.3 数据清洗的基本流程
一个完整的数据清洗流程通常包括以下步骤：

数据审查：了解数据的基本情况，发现问题
处理缺失值：填补或删除缺失的数据
处理重复值：识别并删除重复记录
标准化格式：统一数据格式
处理异常值：识别并处理异常数据
验证数据：检查清洗后的数据是否符合要求
第二章：WPS表格中的数据审查
2.1 快速了解数据概况
在进行数据清洗之前，首先要对数据有一个整体的了解。

查看数据基本信息：

打开包含数据的WPS表格文件
观察数据的行数和列数
查看每一列的字段名和数据类型
注意是否有明显的空行、空列
使用"冻结窗格"功能：

如果数据量很大，向下滚动时会看不到表头。此时可以使用"冻结窗格"功能：

选中表头下方的单元格
点击"视图"→"冻结窗格"→"冻结首行"
现在向下滚动时，表头会始终显示
2.2 使用筛选功能识别问题
WPS表格的"筛选"功能可以帮助快速发现数据中的问题。

开启筛选：

选中包含表头的行
点击"数据"→"筛选"
每一列的表头右侧会出现一个下拉箭头
使用筛选识别问题：

识别空白单元格：

点击某列的下拉箭头
取消"全选"
勾选"（空白）"
点击"确定"
表格中只会显示该列为空的行
识别异常值：

对于数值列，点击下拉箭头
选择"数字筛选"→"大于"或"小于"
设置条件，找出异常大或异常小的值
识别不一致的表达：

点击下拉箭头
查看所有唯一的数值
如果发现同一含义的不同表达（如"男"和"M"），记录下来，后续统一
2.3 使用条件格式高亮问题数据
条件格式可以自动高亮符合特定条件的单元格，非常有助于发现数据问题。

高亮重复值：

选中需要检查的列
点击"开始"→"条件格式"→"突出显示单元格规则"→"重复值"
WPS会自动高亮所有重复的值
高亮异常值：

选中数值列
点击"条件格式"→"项目选取规则"→"高于平均值"
可以选择"高于平均值"、"低于平均值"等
异常高或异常低的值会被高亮
自定义条件格式：

选中需要检查的列
点击"条件格式"→"新建规则"
可以设置复杂的条件，如：
单元格值大于1000
文本长度小于5
包含特定文字
第三章：处理重复数据
3.1 识别重复数据
使用"条件格式"识别（简单方法）：

如前所述，使用条件格式可以高亮重复值。但这种方法的局限性是：它只能高亮重复的值，而不能告诉你哪些行是完全重复的。

使用"数据透视表"识别：

选中数据区域
点击"插入"→"数据透视表"
将疑似重复的字段拖到"行"区域
将同一字段拖到"值"区域，设置为"计数"
计数大于1的，就是重复值
使用"删除重复项"功能识别：

WPS提供了一个非常方便的"删除重复项"功能，它不仅可以删除重复项，还可以先帮你识别重复项。

3.2 删除重复数据
使用"删除重复项"功能：

选中数据区域（包括表头）
点击"数据"→"删除重复项"
在弹出的对话框中：
勾选"数据包含标题"（如果第一行是标题）
勾选需要检查重复的列
如果勾选多列，则只有这些列的值都相同的行才会被视为重复
点击"确定"
WPS会提示找到了多少个重复值，并删除了多少个
可以选择"保留一个"（通常保留第一个）
注意事项：

在执行删除操作之前，建议先备份原始数据
如果数据量很大，删除重复项可能需要一些时间
删除重复项后，无法撤销，请谨慎操作
3.3 标记重复数据（而不是删除）
有时，我们不想直接删除重复数据，而是想标记它们，以便进一步审查。

方法：使用公式标记

在数据表格旁边插入一列，命名为"是否重复"
在第一个数据行的"是否重复"列中，输入公式：
=IF(COUNTIF(A:A,A2)>1,"重复","唯一")
（假设A列是你要检查重复的列，A2是第一条数据）
向下填充公式
所有重复的记录都会被标记为"重复"
第四章：处理缺失数据
4.1 识别缺失数据
如前所述，可以使用"筛选"功能快速找出空白单元格。

使用"定位"功能：

选中数据区域
按快捷键 Ctrl+G（或点击"开始"→"查找和选择"→"定位"）
点击"定位条件"
选择"空值"
点击"确定"
所有空白单元格都会被选中
4.2 处理缺失数据的方法
处理缺失数据，通常有以下几种方法：

方法一：删除包含缺失值的行

适用场景：缺失值占比很小，且行数很多
优点：简单直接
缺点：可能损失有价值的信息
方法二：填补缺失值

适用场景：缺失值可以用合理的方式填补
填补方法：
用平均值填补（数值型数据）
用众数填补（分类型数据）
用前一个值或后一个值填补（时间序列数据）
用固定值填补（如"未知"）
方法三：保留缺失值

适用场景：缺失值本身有意义，或无法确定合理的填补值
4.3 填补缺失值的实操
用固定值填补：

使用"定位"功能选中所有空白单元格
直接输入填补值（如"未知"）
按 Ctrl+Enter（批量填充所有选中的单元格）
用公式填补：

假设某列有缺失值，你希望用该列的平均值来填补：

在空白单元格中，计算平均值：
=AVERAGE(B:B)
（假设B列是有缺失值的列）
选中该列的所有空白单元格
输入公式：
=AVERAGE(B:B)
按 Ctrl+Enter 填充
选中该列，复制，然后"粘贴为数值"（将公式转为固定值）
用前一个值填补（适用于有序数据）：

选中包含缺失值的列
按快捷键 Ctrl+G → "定位条件" → "空值"
在公式栏中输入：
=B1
（假设当前选中的是B2单元格，B1是上一个单元格）
按 Ctrl+Enter
将公式结果"粘贴为数值"
第五章：标准化数据格式
5.1 统一日期格式
日期格式不一致是数据清洗中常见的问题。

使用"分列"功能转换日期格式：

选中日期列
点击"数据"→"分列"
在"分列向导"中：
第一步：选择"分隔符号"，点击"下一步"
第二步：取消所有分隔符，点击"下一步"
第三步：在"列数据格式"中选择"日期"，并选择目标格式（如"YMD"）
点击"完成"
WPS会尝试将该列的所有日期转换为统一的格式
使用公式转换日期格式：

如果"分列"功能无法正确识别某些日期，可以使用公式：

=TEXT(A2,"yyyy-mm-dd")
这个公式会将A2单元格的日期转换为"yyyy-mm-dd"格式的文本。

如果希望结果是日期类型（而不是文本），可以使用：

=DATEVALUE(A2)
但需要注意，DATEVALUE函数要求A2的日期格式是WPS能够识别的。

5.2 统一大小写和全角/半角
统一英文大小写：

转换为大写：
=UPPER(A2)
转换为小写：
=LOWER(A2)
首字母大写（其余小写）：
=PROPER(A2)
全角转半角：

WPS没有内置的全角转半角函数，但可以通过以下方法实现：

使用"查找和替换"功能
在"查找内容"中输入全角字符
在"替换为"中输入对应的半角字符
点击"全部替换"
或者，可以使用ASC函数将全角字符转换为半角：

=ASC(A2)
5.3 去除多余空格
去除字符串首尾的空格：

=TRIM(A2)
去除字符串中的所有空格：

=SUBSTITUTE(A2," ","")
5.4 统一数据表达
使用"查找和替换"统一表达：

例如，将所有的"M"替换为"男"，将所有的"F"替换为"女"：

选中需要统一的列
按快捷键 Ctrl+H
在"查找内容"中输入"M"
在"替换为"中输入"男"
点击"全部替换"
重复上述步骤，将"F"替换为"女"
使用公式统一表达：

如果统一规则比较复杂，可以使用IF函数或VLOOKUP函数。

例如，将性别字段统一为"男"和"女"：

=IF(OR(A2="M",A2="1",A2="男"),"男",IF(OR(A2="F",A2="0",A2="女"),"女","未知"))
第六章：处理异常值
6.1 识别异常值
使用统计方法识别：

标准差法：

如果某个值距离平均值超过2个标准差，则可能是异常值
四分位数法（箱线图法）：

计算第一四分位数（Q1）和第三四分位数（Q3）
计算四分位距（IQR = Q3 - Q1）
小于 Q1 - 1.5×IQR 或大于 Q3 + 1.5×IQR 的值，可能是异常值
使用条件格式高亮异常值：

如前所述，可以使用条件格式高亮"高于平均值"或"低于平均值"的单元格。

使用图表识别：

选中数值列
插入"散点图"或"箱线图"
在图表中，远离主体的点可能是异常值
6.2 处理异常值的方法
方法一：删除

适用场景：确认是错误数据
方法二：替换为合理值

适用场景：异常值明显是录入错误，可以用正确值替换
例如：年龄=150，显然是错误，可以替换为合理值（如50）
方法三：保留但单独分析

适用场景：异常值可能是真实的，且具有分析价值
例如：销售数据中，某个客户的购买金额特别高，可能是VIP客户
方法四：视为缺失值

适用场景：无法确定异常值是否正确，且无法删除
6.3 实操：使用公式标记异常值
使用标准差法标记异常值：

计算平均值：
=AVERAGE(B:B)
计算标准差：
=STDEV.P(B:B)
在"是否异常"列中，输入公式：
=IF(ABS(B2-AVERAGE($B:$B))>2*STDEV.P($B:$B),"异常","正常")
使用四分位数法标记异常值：

计算Q1：
=QUARTILE.INC(B:B,1)
计算Q3：
=QUARTILE.INC(B:B,3)
计算IQR：
=QUARTILE.INC(B:B,3)-QUARTILE.INC(B:B,1)
在"是否异常"列中，输入公式：
=IF(OR(B2<QUARTILE.INC($B:$B,1)-1.5*(QUARTILE.INC($B:$B,3)-QUARTILE.INC($B:$B,1)),B2>QUARTILE.INC($B:$B,3)+1.5*(QUARTILE.INC($B:$B,3)-QUARTILE.INC($B:$B,1))),"异常","正常")
第七章：使用数据验证防止脏数据
数据清洗是事后补救，而数据验证是事前预防。在数据录入阶段就设置好数据验证规则，可以有效防止脏数据的产生。

7.1 设置数据验证规则
限制数据类型：

例如，某列只能输入整数：

选中需要限制的列
点击"数据"→"数据验证"
在"允许"中选择"整数"
设置最小值和最大值
点击"确定"
限制输入范围：

例如，年龄必须在0-120之间：

选中"年龄"列
点击"数据"→"数据验证"
在"允许"中选择"整数"
在"数据"中选择"介于"
设置最小值为0，最大值为120
点击"确定"
创建下拉列表：

例如，性别只能从"男"和"女"中选择：

选中"性别"列
点击"数据"→"数据验证"
在"允许"中选择"序列"
在"来源"中输入"男,女"
点击"确定"
现在，该列的每一个单元格都会显示一个下拉箭头，只能选择"男"或"女"
7.2 设置输入提示和错误警告
输入提示：

可以在用户选中单元格时，显示提示信息：

在"数据验证"对话框中
切换到"输入提示"选项卡
输入标题和提示信息
点击"确定"
错误警告：

当用户输入了不符合验证规则的数据时，可以显示错误警告：

在"数据验证"对话框中
切换到"错误警告"选项卡
选择样式（停止、警告、信息）
输入标题和错误信息
点击"确定"
第八章：实战案例
8.1 案例一：清洗客户信息表
原始数据问题：

客户姓名有重复
电话号码格式不一致（有的带区号，有的不带；有的是座机，有的是手机）
地址信息缺失
注册日期格式不一致
清洗步骤：

备份原始数据
删除重复的客户记录（使用"删除重复项"功能，基于"客户姓名"和"电话号码"判断重复）
标准化电话号码格式
使用公式提取数字部分
统一格式为"区号-电话号码"或"手机号"
处理缺失的地址信息
如果能通过其他途径获取，则填补
否则，标记为"地址未知"
统一注册日期格式
使用"分列"功能，将日期统一为"yyyy-mm-dd"格式
验证清洗结果
再次检查是否有重复
检查格式是否统一
抽样检查数据是否合理
8.2 案例二：清洗销售数据
原始数据问题：

销售金额有负值（可能是退货，但未标注）
销售日期有未来日期（明显错误）
产品名称表达不一致（如"iPhone 14"和"苹果14"指的是同一产品）
销售员姓名有拼写错误
清洗步骤：

处理负销售金额
添加"是否退货"列
如果销售金额为负，标记为"是"
将销售金额取绝对值
处理未来日期
使用筛选功能，找出销售日期大于今天的记录
如果确认是错误，修改为正确日期
如果无法确定，标记为"日期异常"
统一产品名称
创建产品名称对照表
使用VLOOKUP函数，将所有的产品名称统一为标准形式
纠正销售员姓名拼写错误
使用筛选功能，查看所有唯一的销售员姓名
找出拼写错误的姓名
使用"查找和替换"功能，统一修正
第九章：数据清洗的自动化
如果需要经常清洗类似格式的数据，可以考虑将清洗步骤自动化。

9.1 使用"宏"自动化数据清洗
WPS表格支持宏（需要WPS专业版或特定版本）。通过录制宏或编写宏代码，可以将一系列数据清洗操作自动化。

录制宏的基本步骤：

点击"视图"→"宏"→"录制宏"
执行一遍数据清洗操作
点击"视图"→"宏"→"停止录制"
下次需要清洗类似数据时，只需运行这个宏
9.2 使用"高级筛选"和"公式"创建清洗模板
可以创建一个"数据清洗模板"，包含所有的清洗公式和步骤。每次有新数据需要清洗时，只需将新数据粘贴到模板中，清洗结果会自动生成。

第十章：常见问题与解决方案
Q1：数据量太大，WPS表格运行缓慢怎么办？ A：可以尝试以下方法：

仅保留需要的列，删除不必要的列
将公式结果"粘贴为数值"，减少计算量
分批处理数据
考虑使用WPS的专业版或升级硬件
Q2：如何判断清洗后的数据是否"干净"？ A：可以通过以下方式验证：

再次检查是否有重复值
检查格式是否统一
检查是否有明显的异常值
进行简单的数据分析（如计算平均值、计数等），看结果是否合理
Q3：清洗数据时，如何避免破坏原始数据？ A：建议：

在清洗前，备份原始数据
在新的工作表或工作簿中进行清洗
保留清洗日志，记录每一步操作
Q4：WPS表格能处理多大容量的数据？ A：WPS表格的单表行数上限为1048576行，列数上限为16384列。如果数据量超过这个限制，建议使用数据库或其他专业工具。

结语：数据清洗是一项必备技能
数据清洗可能不如数据分析那样光鲜亮丽，但它是数据分析的基础。没有干净的数据，再高级的分析方法也无法得出可靠的结论。

WPS表格提供了丰富的数据清洗工具，从简单的"查找和替换"，到强大的"数据透视表"和"条件格式"，再到可以自动化的"宏"，足以应对大部分数据清洗任务。

掌握数据清洗技能，不仅可以提升你的数据分析能力，还可以提高你的工作效率，让你在职场中更具竞争力。

让WPS成为你的数据清洗魔法棒，将脏数据变为干净数据，释放数据的真正价值！