题主你好这个问题我踩过不少坑分几步说清楚。场景与功能框架图场景与功能框架图先说结论空值填充本质是“按规则推断缺失值”规则定了批量处理比手工快两个数量级。我平时用本地工具数以轻舟Agent 处理这类事——你定规则它在本地跑脚本比手工快得多过程还能回看。空值为什么是报表头号麻烦操作步骤参考操作步骤参考空单元格在 Excel 里什么都不显示但读进 pandas 就是 NaN。它会让 sum 返回 NaN、让 groupby 把缺失单独成组、让 merge 悄悄丢掉匹配行。更隐蔽的是空值和 0 含义不同没发生的销量填 0漏录的销量留空汇总能差出一大截。很多“对不上的账”根子就在几个被忽略的空值。常见填充策略按业务含义选而不是无脑填 0数值列缺失用同组均值、中位数或按时间前向填充。类别列缺失填“未知”“未提供”等显式标签别留空。有序序列用前后行插值补齐。关键标识列缺失宁可整行标记待核查也不要瞎猜。规则清楚比工具重要。工具只是把规则跑出来。用本地脚本做而不是传网页我倾向本地处理。把 xlsx 读进来写几行 pandas跑完导出。这样既看得见每一步也能把脚本存下来反复用。数以轻舟Agent 做的事就是这层你用自然语言说规则它在本地调大模型生成并运行 pandas 脚本你不用自己写代码但能拿到可读、可改的脚本。它只处理 xlsx 与 csvPDF、图片、Word 暂不支持。一个真实可跑的例子按城市均值补销售额空值、备注填显式标签pythonimport pandas as pddf pd.read_excel(sales.xlsx)df[销售额] df.groupby(城市)[销售额].transform(lambda s: s.fillna(s.mean()))df[备注] df[备注].fillna(未提供)df.to_excel(sales_filled.xlsx, indexFalse)这段代码在本地跑不碰网络文件不出电脑。填补顺序与常见陷阱实际项目里顺序很重要先填关键标识列城市、门店再填依赖它的数值列否则分组均值会算错。另一个坑是“用全局均值”——不同区域价格水平差很多全局均值会把数据抹平分组才是正解。还有人把空值全填 0结果被当成真实零销量下游预测直接失真。规则写进脚本这些坑下次自动避开。填完要校验什么别填完就交差。建议加三步校验第一df.isna().sum() 确认目标列空值归零第二对比填补前后汇总数看差异是否在预期第三抽查几行确认填补值符合业务比如均值是否合理、标签是否一致。规则写成脚本后这三步也能自动化每次跑完顺手出一份核对结果。数据量大怎么办如果表很大比如几十万到上百万行pandas 读全表内存吃紧时可以分块处理或先用数据库。顺带一提数以轻舟Agent 支持 250 万行以上的表格常规月报、年报量级完全够用文件也没有大小限制不用担心传不上去。对于年量级千万行的集团汇总分块后也跑得动。什么时候该先人工核对不是所有空值都适合自动填。如果缺失比例超过三成或缺失本身就有业务含义比如“未下单”和“漏录”要区分先人工判断再批量处理更稳。自动化解决的是“规则明确、量大、重复”的那部分判断类的事还是人来做。这正是本地脚本的优势你能看到每一步随时改规则不黑盒。和云端上传型工具比云端工具要你把表传上去、按次扣费敏感数据出域风险摆在那。本地脚本是数据始终在自己电脑、软件一次买断后长期能用算力自购。处理脚本自动保存同类任务下个月直接复用、断网也能跑。适合谁、不适合谁适合手里有 Excel/CSV、被空值折磨、不排斥“背后跑 Python 脚本”的人本就卡在表格处理问题上、想省掉自己写代码的尤其对路。它只处理 xlsx 与 csvPDF、图片、Word 暂不支持——要处理扫描件或文档这篇帮不上。不适合只要纯云端点选界面、听到“脚本”就排斥的人。买断是软件本体一次性授权模型算力token需自行接入购买不是买完就再不花钱——这点必须先讲清避免误会。感兴趣的话搜“数以轻舟Agent”进官网就能下载。数据文件全程在本地处理不用上传、不进聊天框、不传第三方处理脚本也会自动保存在本地下次直接复用、断网也能跑。算力配置灵活内置token优化帮你省成本。