10分钟清洗一份脏Excel：3个Python脚本模板

2026-09-29 · 喵窝资源铺 · 实测可运行（Python 3.8+，需 pandas）

拿到手一份几千行的表：重复行、手机号带空格、日期三种格式混着来……手动改要半天。下面3段脚本是我做数据清洗时最常用的，复制就能跑。

脚本1：去重 + 删全空行

import pandas as pd

df = pd.read_excel("脏数据.xlsx")
df = df.dropna(how="all")                      # 删整行全空
df = df.drop_duplicates(subset=["手机号"])       # 按关键列去重（换成你的列名）
df.to_excel("去重后.xlsx", index=False)
print(f"原始 {len(pd.read_excel('脏数据.xlsx'))} 行 → 剩 {len(df)} 行")

脚本2：手机号/日期格式统一

df["手机号"] = df["手机号"].astype(str).str.replace(r"\D", "", regex=True)

df["日期"] = pd.to_datetime(df["日期"], errors="coerce")  # 三种混写格式一次吃下
df = df[df["日期"].notna()]                                # 解析失败的行单独检查
df["日期"] = df["日期"].dt.strftime("%Y-%m-%d")

脚本3：一列拆多列（姓名+电话挤在一格里）

split = df["联系人"].str.extract(r"(?P<姓名>[\u4e00-\u9fa5]+)\s*(?P<电话>[\d\- ]+)")
df = pd.concat([df.drop(columns=["联系人"]), split], axis=1)

常见坑

• Excel 里看起来是数字，读出来是字符串——先 df.dtypes 看一眼再动手。
• drop_duplicates 不给 subset 会按所有列去重，可能误删。
• 日期解析失败的行别直接删，先导出来人工看，可能是 2026.1.5 这种奇葩格式。
• 大文件（10万行+）用 dtype=str 读，避免 pandas 自作聪明转类型。

虚拟物品交付后不退款；未收到或未达承诺免费补发/重做。