数据文件最佳实践（CSV 和 Excel）

阅读时间 1 分钟

目标： 制作一个看起来像干净的矩形表格的文件，以便软件可以无需猜测地读取它。

快速入门：5条黄金法则

  1. 每个文件（或每个工作表）一个表格。
  1. 恰好一个标题行（第一行），包含清晰、唯一的列名。
  1. 没有合并单元格、空白间隔行或数据内的合计。
  1. 保持每列只包含一种类型的内容（日期列中全是日期，数字列中全是数字，等等）。
  1. 使用标准格式 表示日期、货币、是/否和缺失值（详见下文）。

如何设置您的表格

1) 文件类型

  • CSV（逗号分隔值）对大多数工具来说是最佳选择。从 Excel 保存时，如果看到该选项，请选择 "CSV UTF-8（逗号分隔）"。
  • Excel (.xlsx) 也可以。将原始数据放在名为 Data 的工作表上，并将摘要/数据透视表放在其他工作表上。

2) 布局（制作干净的矩形）

  • 第1行 = 仅列名。 标题上方不要有标题行、报告注释、徽标或日期。
  • 任何地方都不要有合并单元格（在 Data 工作表上）。
  • 表格内部不要有空白间隔行或列。
  • 表格内部不要有总计或小计。将摘要放在单独的工作表上。

3) 列名（标题行）

  • 使名称 唯一 且 简单（例如，order_id、order_date、amount）。
  • 避免使用标点符号和特殊字符。简短、描述性的名称最佳。
  • 如果单位很重要，请将其包含在名称中，例如 temperature_c 或 weight_kg。

4) 保持每列一致

  • ID 和代码（如客户编号、邮政编码）：存储为 文本，这样前导零不会消失（00123 应保持为 00123）。
  • 数字：仅数字。不要包含 $、% 或千位分隔符（"1,234" 中不要有逗号）。
  • 货币：将数值放在一列中（不要有货币符号），将货币代码放在另一列中（例如，currency = USD）。
  • 百分比：选择一种样式并坚持使用——要么 0.25（表示 25%）要么 25.0 放在名为 percent 的列中。
  • 是/否：始终使用相同的两个值，例如 TRUE/FALSE 或 Yes/No。
  • 日期：使用 YYYY-MM-DD（例如，2025-10-21）。
  • 日期和时间：YYYY-MM-DD HH:MM:SS（如果已知，添加时区，如 +02:00 或 Z 表示 UTC）。
  • 缺失值：将单元格留 空白。不要输入 N/A、空格或 —。

5) 单位和类别

  • 如果数字需要单位，将单位放在标题中（length_m）或 添加单独的 unit 列。
  • 对于类别，使用简短的允许值列表（例如，status 可以是 new、processing、shipped、cancelled）。

6) 键和重复项

  • 如果您的表格有自然的唯一标识符（如 order_id），请包含它并对每一行保持 唯一 和 填充。

Excel 用户的额外提示

  • 将原始数据放在名为 Data 的工作表上，仅包含 值（不是公式）。如果您使用了公式，请复制工作表并 选择性粘贴 → 值 以创建 Data 工作表。
  • 取消隐藏所有行和列（在 Data 工作表上）。筛选器用于查看是可以的，但要确保隐藏的行/列没有隐藏您打算共享的数据。
  • 不要依赖 单元格颜色、粗体文本或注释 来传达含义——当软件读取数据时，这些内容不会随数据一起传递。

CSV 用户的额外提示

  • 保存时，如果可用，请选择 CSV UTF-8。
  • 如果您通常在数字中使用逗号作为小数分隔符（例如，12,5 表示十二点五），请执行以下操作之一：
    • 将逗号小数替换为点（12.5），或
    • 保存为 制表符分隔 文件而不是逗号分隔。

示例：

✅ 规范 CSV — 应当这样做

order_id,order_date,customer_id,amount,currency,shipped,ship_country
A-1001,2025-07-14,C-00789,1234.50,USD,TRUE,US
A-1002,2025-07-15,C-00791,89.99,USD,FALSE,DE
A-1003,2025-07-16,C-00792,0.00,USD,TRUE,GB

为什么这是好的

  • 只有一行表头；列名简洁且唯一。
  • 格式一致：ISO 日期（YYYY-MM-DD）、金额为纯数字（无 $ 和千位分隔符）、布尔值用 TRUE/FALSE、货币单独放到 currency 列。
  • 没有空白行、合计行或多余列。

❌ 问题 CSV — 应当避免

ACME North Region Sales Report
Generated on,10/21/2025
order id,order date,customer id,amount,currency,shipped,ship country,
A-1001,14/07/25,C-00789,$1,234.50,USD,Yes,US
A-1002,07/15/2025,C-00791,89,99,USD,y,DE
A-1003,2025-07-16,C-00792,N/A,USD,TRUE, GB
Totals,,,$1,324.49,USD,,

逐行说明问题

  • 第 1–2 行： 表头上方出现标题/元数据（不应出现在数据表中）。
  • 第 3 行： 表头不统一（有空格），且末尾多了一个逗号，会造成一个空白的额外列。
  • 第 4 行： 日期格式含糊（14/07/25），金额包含货币符号与千位分隔符（$1,234.50），布尔值使用了不一致的 Yes。
  • 第 5 行： 用逗号作小数点（89,99）会把一行拆成多列；布尔值用 y，与其他行不一致。
  • 第 6 行： 用 N/A 表示缺失值（应留空）；国家值前有前置空格（ GB）。
  • 第 7 行： 在数据块中插入了合计行；金额再次出现货币符号与千位分隔符。

只要让你的文件像上面的 规范 CSV 一样干净一致，加载和分析基本都会顺利、准确。

数据字典（可选）

包含一个简单的列含义"速查表"——可以是：

  • Excel 中名为 Data Dictionary 的单独 工作表，或
  • CSV 旁边的小型 README 文本文件。

模板：

列名含义示例允许值/格式是否必需？单位/注释
order_id唯一订单标识符A-10234文本是
order_date下订单的日期2025-10-21YYYY-MM-DD是
amount订单总额（数字，无符号）1234.50数字（点小数）是货币在 currency 中
currency金额的货币USDISO 代码（例如 USD）是
shipped订单是否已发货TRUETRUE/FALSE否

还有帮助的：一个小型 元数据 部分（来源、谁准备的、何时导出、时区和任何注意事项）。

上传前检查清单（复制/粘贴）

为什么这很重要

这些小选择可以防止软件猜测。当文件是具有可预测格式的干净矩形时，分析会更快、可重复且正确——不会因丢失前导零、错误读取日期或隐藏行而出现意外。

这篇文章解决了你的问题吗？