表格清洗交付流水线：Excel/CSV 脏数据标准化与质量报告产品系统

电商订单与库存对账、问卷与用户调研数据处理、运营周报数据整理、财务报表与流水规范化、市场调研原始表标准化

客户拿到的是导出即用的脏表，直接用会得出错误结论、且说不清错在哪：手机号有 +86 138-0013-8000 与 13800138000 两种写法；日期混着 2026/03/05、05-03-2026（日月年）、2026年3月5日；金额带 ¥、千分位与「元」；同一订单整行重复录入；库存出现负数与「充足」「缺货」；SKU 大小写与空格不一致，同一商品被算成两个。

本流水线把订单、问卷、库存三表按同一套规则清洗，每条规则在数据字典里都有对应行，改口径不用猜：

1. 订单表：手机号统一 11 位纯数字；五种日期写法统一 YYYY-MM-DD，非法置空并标记；金额去符号与千分位，空值标记缺失；邮箱去空格转小写，无 @ 置空；整行完全一致视为重复，保留首次出现。
2. 问卷表：以（手机号、年龄段、满意度、使用频率、城市）五字段为键去重，保留提交最早的一条；评分「5星」「五星」「5分」归一为 5；年龄段与使用频率归一为固定枚举；清洗后出分布统计与城市×评分交叉表。
3. 库存表：SKU 去空格转大写后归并；单位归一为 kg/g/件/箱；负数保留原值并标记，非数字置空标记；缺失单价单列标记。

关键做法是只标记、不擅自删改：异常值置空并在「质量问题」列写明原因，客户能逐行回查，不会出现数据被悄悄改掉却没人知道。

交付：清洗后 XLSX 三张表、每表一份 6 节质量报告、中英双版交付邮件模板、数据字典、单文件 CLI、独立校验器；换一批同结构数据重跑即可。

实测：三表输出 2000 / 3000 / 1200 行，去重 60 / 90 / 0 行，与上一版产物逐格一致；CSV 与 XLSX 双入口输出完全相同；交付前自检 71 项全过、0 失败；10 万行×3 表压测 104 秒、峰值内存 965 MB。

单文件 CLI 读 CSV/XLSX，按字典归一字段，异常只标记不删改，输出清洗表与 6 节质量报告；校验 71 项全过，10 万行压测 104 秒。