原文标题：《Excel 里把人“逼疯”的杂乱数据，原来 1 分钟就能整理好！》

锵锵！大家好哇~ 我是最近在研究数据分析的卫星酱~

数据分析中有个很重要的预处理步骤，叫做「数据清洗」。

简单来说就是把数据中「脏脏的 」部分 —— 缺失的、重复的、错误的等等，给它清除掉，剩下「干净的」数据。

光讲概念也太难理解了，卫某今天就直接用实例，给大家看看数据清洗，到底是怎么个事儿~

1、缺失数据

如果某处缺了一两个数据，最简单的方法就是 —— 扔了它。

别笑！

这的确是正规的数据清洗手段，在表格不大、不完整数据较少的情况下，完全可以这样做。

「比如 2002 年「产品 C」的产量缺失了，那就偷偷把 2002 年从统计表里删掉，只分析后面的~」

但这样可能将潜在信息删除，也可能导致数据分析出现较大偏差。

所以，如果数据很多、空缺也多，删除过多条目会使得结果产生较大偏差时，我们还是得把空缺补上。

❶ 空值变 0 值

【Ctrl+G】定位,【定位条件】，选择【空值】，【确定】，最后输入 0。

❷ 统计学方法

但很多时候不能这样粗暴地填充。

实际应用常选择统计学方法，比如平均值，来填充缺失的数据。

当然，根据数据实际类型，也可能使用中间值、最大值、最小值或者其他更复杂的函数值。

像这个预测函数，就怪好用的。

2、重复数据

至于重复数据，在之前的「数据核对」篇中已经讲过了，这里就不再赘述。

点此回顾「数据核对」

很多时候，我们在基础的 Excel 应用中就完成了「数据清洗」的步骤。

数据分析的门槛，真的没我们想象的那么高~

3、错误数据

函数错误值，比如#DIV / 0!、#N / A! 之类，只要在公式外套上 IFERROR 就行：

另一种错误数据，就没那么好对付了……

「比如等级只有「A / B / C」三种，有个单元格却出现了「D」的；或者要求填写「√」，偏偏有人写「☑」的……」

这种除了在一开始设置数据验证，就只有用查找、计数、条件格式等偏门方法了

这种错误数据「D」，可以用【查找】或【筛选】直接定位它。

而「感觉上不对」的数据，就比较难找到了：

▲ 误差过大，不是测量误差可以解释的

这时我们就只能因地制宜，想办法定位它，例如用 IF 函数筛选大于 36.13 的数据。

找到之后按照「缺失数据」的办法处理它就是了。

4、写在最后

好啦，今天从数据类型的角度给大家简单讲了下数据清洗的做法~

小伙伴们还知道哪些属于数据清洗的 Excel 操作呢？

本文来自微信公众号：秋叶 Excel（ID：excel100），作者：卫星酱