4、数据清洗核心概念：行、列、表、数据类型、值、缺失值、重复值、异常值等术语解析
在Power Query中处理财务数据，首先需要建立一套统一的“数据语言”。财务人员熟悉科目、凭证、借贷，但Power Query的底层逻辑是表格模型——一切操作都围绕行、列、表、值展开。如果对这些核心概念的理解存在偏差，后续的清洗步骤就会像在沙地上盖楼。本章将逐一拆解这些基础术语，并结合财务场景说明它们如何影响数据质量与清洗策略。
4.1 表、行、列：财务数据的“三维骨架”
核心原理
Power Query中的“表”是一个二维数据结构，由行和列交叉构成。每一行代表一条完整的财务记录，每一列代表一个特定的字段属性。例如，一张费用报销明细表，每一行是一笔报销单，列则包含“报销单号”“报销人”“部门”“费用类型”“金额”“报销日期”等字段。理解表、行、列的层级关系，是后续所有清洗操作的基础——无论是筛选行、拆分列，还是合并表，本质上都是在操作这三个维度。
判断方法与操作流程
- 识别行与列的角色：在Power Query编辑器中，左侧“查询设置”窗格显示每一步操作，右侧数据预览区上方是列标题，下方是数据行。财务人员应首先确认每一列的数据类型是否与业务含义匹配（如“金额”列应为小数，“日期”列应为日期类型）。
- 行列的增删操作：删除行（如筛选掉已作废的凭证）、删除列（如移除“备注”列）、添加列（如根据“金额”和“税率”计算“税额”）。这些操作在“添加列”和“删除列”菜单中完成。
- 表的合并与追加：当财务数据分散在多个工作表或工作簿时，需要将结构相同的表“追加查询”（纵向堆叠），将有关联字段的表“合并查询”（横向关联）。
| 操作对象 | 财务场景示例 | Power Query操作 | 注意事项 |
|---|---|---|---|
| 行 | 筛选出“凭证状态=已审核”的记录 | “筛选行”按条件过滤 | 注意筛选后行数变化，避免误删 |
| 列 | 保留“科目编码”“科目名称”“借方金额”“贷方金额” | “选择列”或“删除列” | 删除前确认列是否被后续步骤引用 |
| 表 | 合并1月、2月、3月的费用明细表 | “追加查询” | 确保各表列名和数据类型一致 |
4.2 数据类型与值：财务数据的“基因密码”
核心原理
数据类型决定了Power Query如何解释和计算单元格中的值。财务数据中常见的数据类型包括：文本（如科目名称）、整数（如凭证号）、小数（如金额）、日期（如记账日期）、时间（如制单时间）、逻辑值（TRUE/FALSE，如是否已审核）。如果数据类型设置错误，会导致排序混乱、求和失败、日期无法参与计算等问题。
判断方法与操作流程
- 检查列数据类型：在Power Query中，列标题左侧的图标表示数据类型（如“123”表示数字，“ABC”表示文本，“日历”表示日期）。如果图标与业务含义不符，点击图标手动修改。
- 处理“值”的格式问题：财务数据中常见的值问题包括：金额带千分位逗号（如“1,234.56”）、日期显示为文本（如“2024/01/15”被识别为文本）、数字前有空格或货币符号。使用“替换值”“格式”或“拆分列”功能清洗。
- 使用“检测数据类型”功能：Power Query的“自动检测”功能可以识别列中的大部分数据类型，但财务数据常因混合格式（如“1,234”和“1234”并存）导致检测失败，需手动干预。
4.3 缺失值、重复值、异常值：数据质量的“三大杀手”
核心原理
缺失值指单元格为空或为Null，在财务数据中可能表示“未填写”“不适用”或“数据丢失”。重复值指完全相同的行或关键字段重复出现，如重复录入的凭证号。异常值指明显偏离正常范围的值，如金额为负数（在费用表中）、日期为未来时间、科目编码不存在于科目表中。这三类问题会直接影响财务分析的准确性，必须系统处理。
判断方法与操作流程
- 缺失值处理：使用“转换”菜单下的“替换值”将Null替换为0或特定文本；或使用“筛选行”排除空值行。对于关键字段（如凭证号）缺失，应标记为“待补录”并反馈业务部门。
- 重复值处理：使用“删除重复项”功能，可选择基于所有列或指定列去重。财务场景中，通常基于“凭证号+行号”组合去重，避免误删合法记录。
- 异常值识别：通过“筛选行”设置条件（如金额>0且<1000000），或使用“分组依据”统计各科目金额的分布，发现极端值。也可用“列统计”查看最小值、最大值、平均值，辅助判断。
| 问题类型 | 财务示例 | 清洗方法 | 风险提示 |
|---|---|---|---|
| 缺失值 | “供应商名称”为空 | 替换为“未知供应商”或删除该行 | 删除前确认该行是否影响总额 |
| 重复值 | 同一张凭证被导入两次 | 按“凭证号+行号”删除重复项 | 不要仅按“凭证号”去重，否则会误删多行凭证 |
| 异常值 | “借方金额”为负数 | 筛选出负数行，检查是否为红字冲销 | 红字冲销是合法业务，不能直接删除 |
4.4 案例拆解：某公司费用报销表的清洗实战
背景与约束：某中型企业每月有约3000条费用报销记录，原始数据从OA系统导出为Excel，包含字段：报销单号、报销人、部门、费用类型、报销金额（文本格式，带千分位逗号）、报销日期（部分为文本）、备注（大量空值）。财务部需要将数据导入Power BI进行月度费用分析，但直接导入后出现金额无法求和、日期排序错误、重复单号等问题。
初始现象与目标：数据预览中，“报销金额”列显示为文本（左对齐），无法求和；“报销日期”列混合了“2024/1/5”和“2024-01-05”两种格式；存在3笔重复的报销单号。目标是将数据清洗为规范表格，确保金额为小数、日期为日期类型、无重复单号。
关键输入数据与操作步骤：
- 处理金额列：选中“报销金额”列，使用“替换值”将逗号（,）替换为空，再将列类型改为“小数”。此时金额列可正常求和。
- 处理日期列：使用“替换值”将“/”替换为“-”，再将列类型改为“日期”。Power Query会自动识别标准日期格式。
- 删除重复单号：选中“报销单号”列，点击“删除重复项”，保留第一条记录。检查删除的行数（本例为3行），确认均为重复录入。
- 处理缺失备注：将“备注”列的空值替换为“无”，避免后续透视时出现Null。
- 验证结果：使用“列统计”查看金额总和、日期范围，确认无误后加载到Power BI。
结果对比与复盘：清洗前，金额列无法求和，日期排序错乱；清洗后，金额汇总正确，日期按时间顺序排列，重复单号消除。复盘经验：先处理数据类型，再去重，最后处理缺失值——因为类型转换可能影响后续筛选和去重逻辑。此外，建议将清洗步骤保存为Power Query模板，供下月复用。