清洗销售明细表时最常踩的三个坑
合并单元格、日期格式混乱、数值被存成文本——几乎每份从业务系统导出来的表都会中招。
每次拿到业务同事导出来的 Excel，我都要先花二十分钟做同样的事。写下来，以后照着做。
一、合并单元格
表格里看着整整齐齐的合并单元格，读进 pandas 之后只有左上角那一格有值，其余全是空。
df["部门"] = df["部门"].ffill()
向下填充就能还原。但前提是原表确实按顺序合并，先扫一眼再填，不然会把不相干的行也带上。
二、日期格式不统一
同一列里混着 2026/1/5、2026-01-05、20260105，甚至还有 Excel 的日期序列号 45678。
| 原始形态 | 处理办法 |
|---|---|
| 各种文本日期 | pd.to_datetime(s, errors="coerce") |
| Excel 序列号 | 先转成数字，再按 1899-12-30 起算天数 |
关键是先用 errors="coerce" 把转不动的变成空值，再单独把这批异常捞出来看。比一上来就写复杂正则省事得多，也不容易误伤。
三、数值被存成了文本
金额列里藏着空格、千分位逗号、全角字符，求和出来是拼接而不是加总。
df["金额"] = (df["金额"].astype(str)
.str.replace(r"[,\s￥]", "", regex=True)
.pipe(pd.to_numeric, errors="coerce"))
清洗完一定要跟原表的合计对一次。对不上，说明中间悄悄丢了行。这一步别省。