Skill Steps
This sub-skill covers one capability of the Excel workflow. For reading/counting/Parquet optimization, see the parent workflow SKILL.md.
Step1 识别并清洗包含前缀符号的异常数值字段，统一转换为整数类型；同时使用正则表达式清洗文本字段，仅保留 Unicode 范围内的中文字符。
pythonimport re import numpy as np target_numeric_col = '需要转数字的文本列' # 示例：'获赞' target_text_col = '需要提取中文的列' # 示例：'收货人' # 1. 清洗包含前缀符号的数值字段 prefix_patterns = ['.', 'I ', '■ ', '一 ', '_', '. '] def clean_numeric_with_prefix(value): val_str = str(value).strip() if val_str in ['None', 'nan', '', 'nan']: return np.nan for prefix in prefix_patterns: if val_str.startswith(prefix): val_str = val_str[len(prefix):].strip() break if val_str == '': return np.nan try: return int(val_str) except ValueError: return np.nan # 2. 清洗文本字段，仅保留 Unicode 范围内的中文字符（\u4e00-\u9fff） def clean_chinese_name(name): if pd.isna(name): return name s = str(name) chinese_chars = re.findall(r'[\u4e00-\u9fff]', s) cleaned = ''.join(chinese_chars) return cleaned if cleaned else '' if target_numeric_col in df.columns: df[f'{target_numeric_col}_清洗后'] = df[target_numeric_col].apply(clean_numeric_with_prefix) if target_text_col in df.columns: df[f'{target_text_col}_清洗后'] = df[target_text_col].apply(clean_chinese_name)
Step2 将清洗后的结果保存为 Excel 文件，在报告中提供下载链接，并执行内存清理以应对大文件处理时的内存压力。
pythonoutput_path = '/mnt/data/标准化清洗结果.xlsx' # 保存清洗结果 df.to_excel(output_path, index=False, engine='openpyxl') print(f'清洗结果已保存到: {output_path}') # 生成可下载链接 print(f'[下载清洗结果表](sandbox:{output_path})') # 内存清理 if 'df' in locals(): del df gc.collect()
