← Все курсы · Курс Excel · Статья 0: порядок сборки

Диалог, который незаметно удаляет ваши почтовые индексы

Статья 4 Excel для бизнес-аналитиков · Одно решение об импорте, три вида скрытой потери данных · Часть Analyst Prep Kit

К Майкл Носито, аналитик данных · Опубликовано 7 августа 2026 г.

В этой статье вы узнаете о привычке импорта, которая не позволяет Excel перезаписывать данные еще до того, как вы их увидите: вставляйте файлы CSV через Данные > Из текста/CSVи установите для столбцов идентификатора значение Текст. Десять секунд, и он закрывает три отдельных вида бесшумного урона.

Ущерб реален и конкретен. 08053 становится 8053, который больше не является почтовым индексом Нью-Джерси. Шестнадцатизначный номер карты становится 9,78E+15, что вообще больше не является числом. А такое значение, как SEPT1, становится первым сентября. Ничто из этого не показывает ошибку. Все они являются потерей данных.

Что Excel делает с CSV за вашей спиной

Предскажите это до объяснения: файл CSV содержит пять символов 08053. Дважды щелкните файл, и он откроется в Эксель. Что находится в клетке?

CSV — это обычный текст. Он содержит символы, а не типы. Что-то должно решить, является ли 08053 числом или фрагментом текста, и когда вы открываете CSV-файл, дважды щелкнув его или выбрав «Файл» > «Открыть», Excel решает самостоятельно, столбец за столбцом, не спрашивая вас.

Его правило простое: если значение анализируется как число, оно становится числом. 08053 анализируется как 8053, поэтому ноль исчезает в момент открытия файла. Не скрыто. Ушел. В ячейке хранится число 8053, и при сохранении файла вместо оригинала записывается 8053.

Такова реальная форма ловушки: разрушительный шаг — самое естественное действие в мире — двойной щелчок по файлу.

Трое жертв

Третий ряд достаточно известен, чтобы изменить науку. Обзор опубликованных в 2016 году статей по генетике показал, что примерно пятая часть из них содержала в дополнительных данных имена генов, преобразованные в Excel, SEPT2 превратился в дату, идентификаторы превратились в числа (Циманн, Эрен & Эль-Оста, 2016, Геномная биология, 17, 177). Ущерб был настолько обширным, что комитет по названию генов позже переименовал гены. SEPT1 теперь стал SEPTIN1 отчасти из-за этого диалога.

Скажите вслух, какой столбец ваших данных является уязвимым. Почтовый индекс, номер счета, идентификатор сотрудника, артикул, номер телефона. Почти в каждом реальном наборе данных есть хотя бы один.

Почему это происходит: этикетки в форме цифр

В основе всех трех жертв лежит одно различие, и оно одно и то же, которое проходит через всю эту серию: некоторые столбцы представляют собой этикетки, носящие одежду номеров.

Почтовый индекс не является количеством. Вы никогда не будете добавлять два почтовых индекса, усреднять их или спрашивать, какой из них больше. Это имя, написанное цифрами. То же самое касается номеров счетов, номеров телефонов, SKU и идентификаторов. Тест, одна строка: будет ли сложение двух из них вместе что-нибудь означать? Если нет, столбец представляет собой текст, как бы он ни выглядел.

Excel не может выполнить этот тест, поскольку в файле нет смысла. Он видит цифры и выполняет числовые операции. Исправление не виновато в инструменте. Исправление - это тот, кто отвечает на вопрос, в единственный момент, когда вопрос задается: импорт.

Исправление при импорте

1. Не дважды щелкайте CSV-файл. Вместо этого откройте пустую книгу.
2. Лента: Данные > Из текста/CSV. Выберите файл. Появится предварительный просмотр с предполагаемым типом Excel вверху каждого столбца.
3. Нажмите «Преобразовать данные». Откроется Power Query, который представляет собой просто комнату, где решения об импорте принимаются визуально.
4. Щелкните правой кнопкой мыши заголовок столбца идентификатора > Изменить тип > Текст. Если появится запрос «Изменить тип столбца», выберите «Заменить текущий». Сделайте это для каждой числовой этикетки: почтовый индекс, идентификатор, номер телефона, артикул.
5. Закрыть и загрузить. Данные попадают на лист в виде таблицы, которая шаг 1 порядка сборки сделано для тебя. Назовите его и продолжайте.

Пока вы находитесь в предварительном просмотре, есть еще один параметр, на который стоит обратить внимание: «Происхождение файла». Если файл получен из другой системы и имена или акценты выглядят неправильно, установите для него значение 65001: Юникод (UTF-8). Это другая неудача той же формы, о которой будет отдельная статья позже в этой серии.

Весь обход занимает меньше минуты, и это единственный момент, когда существует выбор. После импорта диалоговое окно для повторного открытия отсутствует. Есть только уборка.

Когда ущерб уже нанесен

Вы получили xlsx, где молния уже 8053. Нули не прячутся за дисплеем. Сохраненное значение — это число. Два честных варианта:

Повторно импортируйте из исходного CSV-файла, если он у вас еще есть. Это чистое исправление, и именно поэтому вы никогда не перезаписываете исходный файл: сохраните необработанный CSV-файл, импортируйте в копию. Эта привычка принадлежит к тому же семейству, что и хранить ваши чеки в папке.

Восстановите нули, если ширина известна. Индексы США пятизначные, поэтому =TEXT([@Zip],"00000") создает текстовое значение, дополненное пятью символами. Это работает только потому, что почтовые индексы имеют фиксированную ширину. Урезанный номер счета неизвестной длины не может быть восстановлен, а номер карты, прошедший экспоненциальную запись, исчезает навсегда. Ребилд - это патч. Привычка импортировать — это решение.

Одно предупреждение в другом направлении: ввод апострофа перед значением, например '08053, сохраняет одну введенную вручную запись в виде текста. Он не масштабируется до столбца и ничего не делает во время импорта. Относитесь к этому как к точечному инструменту, а не как к стратегии.

Почему это работает

Общий урок из конкретной ловушки: тихое преобразование типов — это класс ошибок, который выдерживает внимательный человек, потому что он происходит до того, как начинается внимание. Открытие Цимана и его коллег связано не с небрежной работой лабораторий. Примерно каждая пятая опубликованная, рецензируемая и проверенная редакторами статья несет ущерб (Циманн, Эрен & Эль-Оста, 2016, Геномная биология, 17, 177). Авторы этих статей тщательно изучили свои данные. Преобразование произошло раньше, чем просмотр.

Вот почему контрмера носит позиционный, а не концентрационный характер. Вы не можете выполнить выборочную проверку, потому что преобразованное значение выглядит чистым. Вы помещаете одну привычку в единственную дверь, через которую проходит каждый файл, и класс ошибок перестает существовать в ваших файлах.

Запустите его в своем файле

1. Найдите свой последний CSV-файл. Папка Загрузки, экспорт из любой системы.
2. Импортируйте его дважды. Один раз двойным щелчком мыши, один раз через «Данные» > «Из текста/CSV» со столбцами идентификаторов, установленными на «Текст».
3. Сравните уязвимый столбец. Если они не согласны, вы отправляете преобразованные данные, и сегодня хороший день, чтобы это выяснить.
4. Оставьте необработанный CSV-файл только для чтения. Импорт переходит в копии. Оригинал является доказательством.
5. Добавьте чек. Одна ячейка: =MIN(LEN([@Zip])) в столбце молния должно быть написано 5. В тот момент, когда там написано 4, где-то вверху пропал ноль. То есть привычка статьи 2 указал на ловушку этой статьи.

Шпаргалка

Ссылки

• Циманн М., Эрен Ю. и Эль-Оста А. (2016). Ошибки в названиях генов широко распространены в научной литературе. Геномная биология, 17, 177.

Ваш прогноз сверху: вы сказали 8053? И какие из ваших собственных столбцов вы собираетесь реимпортировать в первую очередь?