整理数据时容易犯的四个小毛病

整理数据这件事，我一开始觉得就是个力气活。把Excel里的内容复制粘贴、删删改改，能有多难？直到有次想对比两款手机过去半年的价格变化，翻出自己断断续续记的表格，才发现同一个型号在不同月份用了三种写法，有空格、有全角、还有把Pro写成P的。数据倒是都在，可没法直接排序。后来花了一个下午做替换，才勉强把走势看出来。从那以后我就明白，整理这步偷懒，后面全得还。

最常见的毛病是格式随手写。比如记录每天的通勤时间，有人写“35min”，有人写“35分钟”，还有人干脆写“半小时”。自己看没问题，一旦要算平均值或者画折线，函数直接报错。我的土办法是：先定一个最小颗粒度，时间统一用分钟，金额统一用元，日期统一写成2024-03-15这种。定完再录，后面省事。如果已经乱了，用查找替换加上筛选，通常十分钟能救回来。

第二个坑是缺失值处理太随意。有段时间我跟踪一个二手平台的数码产品挂牌量，中间漏了三天。当时图省事，直接填了前后两天的平均值。结果画出来的走势平滑得可疑，把一个小波动给抹掉了。后来看别人的数据笔记，才知道要分情况：如果只是偶尔缺一两个点，标成空值让图表断线，比硬填更诚实；如果是连续缺一大段，那还不如把这段单独说明，别硬接。

第三个是忽略时间维度。很多人整理数据时喜欢按类别堆在一起，忘了同一类数据在不同时间点含义不一样。举个例子，我整理过一批App的版本更新记录，一开始只记了版本号和更新内容，没记日期。后来想分析“大版本更新后用户评分怎么变”，才发现根本对不上时间。补日期比重新整理还费劲。现在我的习惯是，任何表格第一列永远是时间戳，精确到天就行，别偷懒。

第四个毛病是太相信预测。整理完历史数据，顺手拉个趋势线，心里就开始盘算下个月会怎样。但数据整理本身不生产预测，它只是把过去理清楚。我做过一次小实验：用同一组键盘销量数据，分别用简单移动平均和线性回归去预测下个季度，结果差了将近两成。问题不在模型，在于那组数据只包含了促销月，没有淡季参照。所以现在我看到漂亮的预测曲线，第一反应是先翻回去看原始记录全不全。

还有一个容易被忽略的细节：文件命名。早期我存表格叫“数据1”“数据2”“最终版”“最终版2”，过两个月自己都不知道哪个是哪个。后来改成“2024-03-数码产品价格记录-v3”，至少能一眼看出时间、主题和版本。再配合一个简单的说明页，写清楚每列是什么意思、单位是什么、谁记的，交接或者自己回头查都方便很多。

说到底，整理数据没有多高深的技术，就是耐心加一点规范。每次录完花两分钟检查格式、标好缺失、补上时间，后面分析的时候能省下大把返工时间。如果你也有自己的小窍门，欢迎来锤子手记的数码心得栏目交流。