0.1 1. 项目概览
- 项目背景：某公司开展员工满意度调查，回收问卷后得到原始数据，需要对原始数据进行清洗.
- 数据规模：标注数据量1000条数据+6个维度、数据来源企业脱敏数据。
- 项目周期：独立完成，耗时4h。
0.1.1 2. 技术路径
- 数据处理：经过分析,该原始数据存在以下问题：
- 部分问卷的 “年龄” 字段为空值；
- “入职日期” 字段格式不一致（如 “2023-01”“2023 年 1 月”“2023/1”）；
- 存在重复提交的问卷（同一员工提交了 2 次）；
- 处理方法：
- 插入数据透视表,以"部门"为行,以"年龄为值"统计每个部门平均年龄; 用Excel的筛选功能,筛选出"年龄"为空的行,再筛选出“部门”为“销售部”的行,统一填入销售部的平均年龄。如此可以快速填充缺失值。
- 通过 “拆分格式→文本转换→汇总统一→转日期类型” 的流程，将混乱的多格式日期，逐步规范为统一的日期值： 拆分格式：为每种日期格式建列，明确处理对象； 文本转换：用 IF+MID 把不同格式转成统一文本（如 YYYY-MM-DD 文本）； 汇总统一：用 IF 合并结果，确保每行一个统一文本； 转日期：用 DATE+MID 将文本转为真正的日期类型（可参与日期计算）。 （注：步骤 2 中 IF 返回的 0 需注意过滤，避免影响后续转换；函数操作在 Excel、Google Sheets 等工具中通用，语法略有差异时需调整。）
- 用Excel的“删除重复项”功能，将重复提交的问卷删除。
0.1.2 以下是统一多格式日期数据的逐点解析：
1️⃣. 对每一种日期格式添加一个列 目的：先梳理数据中存在的日期格式（如 YYYY-MM-DD、MM/DD/YYYY、DD.MM.YYYY 等），为每种格式单独建列。 作用：方便后续针对不同格式的字符串，分别提取年、月、日信息。
2️⃣. 使用 IF 结合 MID，转化为目标格式的常规文本（false 忽略会返回 0） 逻辑：