面向业务、财务、运营人员,把脏Excel/CSV变成可分析数据。支持图形界面和命令行两种入口:自动识别列类型(数值/文本/日期),按偏度选择均值或中位数填充缺失值,删除重复行,用IQR或3σ检测异常值并截尾,校验手机号、邮箱、身份证、日期格式。输出清洗后的xlsx,并生成带缺失率柱状图、箱线图、类型饼图的HTML报告。
项目按「入口调度 + 核心清洗管道 + 报告可视化」分层。main.py用argparse提供 analyze/auto/fix三种模式,无参数时自动拉起Tkinter GUI。core/loader.py识别xlsx/xls/csv,探测UTF-8/GBK编码和逗号/分号分隔符。type_detector.py按数值解析率、日期解析率和列名启发式判定类型,并尝试十余种日期格式(含中文「年月日」)。cleaner.py先分析生成CleaningReport,再一键修复:类型转换、缺失填充、去重、异常winsorize、非法手机号/邮箱置空。outlier_detector.py实现IQR与3σ。validator.py 按列名和内容抽样自动匹配正则。chart_generator.py用matplotlib Agg离线出图并base64内嵌;report_generator.py写出可离线打开的 HTML。GUI用后台线程跑清洗,避免界面卡死,并内置样本脏数据生成,便于演示。Windows 侧run.bat首次自动装依赖后启动界面。