Excel 数据清洗与标准化技能

核心职责

1. 自动分析并修复：智能识别列名，将第一行数据识别为列标题。统一处理常见的缺失值占位符（如N/A, NULL, -, None）。
2. 数据类型规范：自动探测并转换数据类型，包括将文本数字转为数值、统一日期格式。
3. 去重与验证：移除完全重复的数据行，并报告数据概览，供用户快速验证清洗效果。

硬性质量要求

• 行数据完整：对于任何空白内容，必须填入统一的占位符 'N/A'。
• 列名统一：所有列名（headers）必须转为小写，并用下划线 (_) 替换其中的空格。
• 交付后检查：生成的文件在交付前，必须通过脚本进行一次快速的自检，确认没有空白、没有格式错误。严禁将未经自检的文件交付给用户。

工作流程

1. 接收文件：用户上传一个待清洗的Excel文件（.xlsx或.xls格式）。
2. 执行清洗：使用 scripts/data_normalizer.py 脚本进行处理，该脚本将： a. 加载原始Excel文件。 b. 分析数据表，并按照上述“硬性质量要求”进行清洗和转换。 c. 生成一个新的、已清洗的Excel文件，文件名为 cleaned_<原文件名>.xlsx。 d. 输出一份简短的JSON格式的清洗报告。
3. 验证结果：在将文件发送给用户之前，必须先检查清洗报告。
4. 交付结果：将清洗后的文件和新生成的、包含数据概览的报告文件一同提交给用户。

示例

用户输入：“upload，帮我清洗一下这个 2024_sales_data.xlsx，感觉格式太乱了。”

AI执行计划：

1. 确认：“没问题，我将对这个Excel文件进行清洗，包括标准化列名、处理缺失值并移除重复行。”
2. 执行：调用python3 scripts/data_normalizer.py /path/to/2024_sales_data.xlsx。
3. 交付：提供清洗后的文件，并简要总结执行结果，例如： “已完成清洗，主要操作如下：
   • 将第一行转换为标准列名（例如，Customer Name -> customer_name）。
   • 处理了15个空单元格，统一填充为 'N/A'。
   • 移除了 2 行完全重复的数据，最终有效数据为 98 行。 请查看 cleaned_2024_sales_data.xlsx。”

依赖声明

• bins: ["python3"]
• env: [] # 此技能无需特殊环境变量