用 ChatGPT 清洗 CSV,先要求检查数据,再按确认过的规则生成副本。把“保留原文件、保留行标识、列出无法确定的问题”写进任务,最后打开清洗后的文件核对,才能知道它具体改了什么。
作者:北星AI编辑部。本文借助 AI 整理,按所列官方资料核对,核对日期为 2026 年 11 月 3 日。本文依据 OpenAI 官方文档介绍文件清洗流程,示例数据与检查清单由编辑部编写,不是客户案例或亲测结果。
准备文件:先明确范围与输出
OpenAI 官方数据清洗示例建议:添加 CSV 或表格,描述已知问题,说明希望得到的文件,并在使用前检查清洗副本。常见问题包括日期混用、重复记录、空值和名称别名。
在网页端做多步骤文件处理,可按 ChatGPT 网页使用说明选择 Work,附上文件并写清成果要求。具体入口以你的账户界面为准;本文不承诺某个套餐的文件额度或处理规模。
上传前,建议在自己电脑上另留一份原始导出,文件名标明来源和日期。删除与任务无关的个人资料,只提供你有权处理的数据。
第一轮只检查,先别改数据
可以先发送下面这段提示词,把文件名换成自己的。它是编辑部提供的任务模板:
请检查我上传的 orders-export.csv,暂时不要修改文件。
先报告列名、数据行数、日期范围和几行样本。列出空值、疑似重复、日期格式混用、异常金额及混入的数据汇总行。区分已经确认的问题与需要我决定的问题。
请说明你用什么字段识别一条记录。无法确定字段含义时先问我,不要补造缺失值。
先检查列名是否被正确识别、样本是否来自你提供的文件,再讨论规则。如果文件里既有订单又有退款记录,应先说明两者如何区分,避免按同一套条件处理。
把清洗规则写具体,避免误改
下面是虚构数据情形,用来说明哪些决定需要人确认。表内做法是编辑建议,不是 ChatGPT 自动遵守的默认规则。
| 遇到的内容 | 先确认什么 | 可写入任务的规则 |
|---|---|---|
| 日期 03/04/2026 | 是 3 月 4 日还是 4 月 3 日 | 未确认地区格式前,保留原值并标记待核对 |
| 编号 000123 | 它是标识符还是用于计算的数 | 订单号、客户编号按文本保留前导零 |
| 金额为空 | 代表未知、未录入还是确实为零 | 保持空白,除非已明确允许填值 |
| 同一客户出现两次 | 是否属于两笔不同订单 | 按确认的订单唯一键检查,不按姓名直接去重 |
| “华东”与“东区” | 业务上是否确实属于同一区域 | 只按提供的别名对照表统一名称 |
“统一金额格式”也要说清是否涉及币种转换。如果只想去掉货币符号、分隔符,应明确保留币种信息,不要顺带要求把不同币种相加。
第二轮生成副本,并交付变更说明
确认规则后,再给出输出要求。建议一次说清需要哪些成果,方便逐项核对:
按我们刚确认的规则处理,保留原始文件不变,生成一个新的 cleaned-orders.csv。
尽可能保留原始行 ID;如果没有可用 ID,请保留能对应原记录的来源行号。无法可靠处理的记录保留并标记,不要猜测。
同时给出数据质量说明:原始与输出行数、各类改动的数量和原因、移除记录的依据,以及尚未解决的问题。请提供可下载的清洗文件。
输出副本、保留来源标识和附质量说明的方向来自上述官方清洗示例;具体文件名、行号方案与交付清单是本模板的补充要求。若还没有收到文件,继续明确要求交付文件,不能只把聊天中的“已完成”当成验收依据。
拿到结果后,按四项核对
以下为编辑部建议的验收顺序:
- 核对行数。原始数据行数与输出行数为什么不同?是否能逐项解释删除、合并或拆分?比较时统一是否包含表头和汇总行。
- 抽查高风险字段。重点看前导零编号、含糊日期、空金额、负数和较长的文本,确认没有被错误转换。
- 回查被改记录。按原始行 ID 或来源行号找到原值,对照变更说明检查原因。
- 打开下载文件。在实际要使用的软件中检查中文、列分隔和字段格式,确认能读取,再投入后续流程。
如果发现某条规则有误,指出规则、来源行号和预期结果,让 ChatGPT 重新生成副本,而不是让它笼统地“再优化一下”。需要长期处理同类资料时,可参考本站 ChatGPT 项目资料与指令指南,把确认过的字段解释和规则保存下来。
如果你的软件要求填写 API Key,使用入口与本文直接上传文件不同,可先阅读 ChatGPT 会员与 API 余额的区别,确认所用产品和计费渠道。
官方来源与核对日期
- OpenAI:Clean and prepare messy data——添加文件、说明问题、生成清洗副本、保留原文件与复核质量说明。
- OpenAI:ChatGPT on the web——Work 文件处理入口、成果修订与下载。
以上资料实际核对于 2026 年 11 月 3 日。北星AI为独立第三方服务网站,不代表 OpenAI。本文不保证清洗结果正确或完整;涉及业务判断的规则和最终数据,仍需使用者核对。