列类型是怎么推断出来的？

两遍流式扫描：第一遍统计每列的类型分布、空值率、唯一值数与数值均值和标准差；第二遍按定稿规则标注异常，全程不使用任何模型。

问题行的行号是第几条数据？

不是。line 是 CSV 物理行号，从 1 开始，包含表头行，也包含字段内换行占用的行，可直接拿去源文件对照，页面里点行号还能复制。

数值离群一定说明数据错了吗？

不一定。离群按均值与标准差判定，金额、年龄等长尾分布要结合业务判断，阈值 outlier_sigma 可在 0 到 10 之间调整。

分隔符混用会影响结果吗？

会。混用会让列数与类型统计失真，报告里会给出混用物理行号；建议先用 CSV 引号与多行字段修复工具归一化，再做列画像。

DATA CHECK REPORT / CP-37

导入前的逐列体检

两遍流式扫描，把类型、空值、唯一值与异常行号摊在一张报告里。先看列，再看行，最后带着行号回源文件核。

—数据健康分

CSV

投放待检查的 CSV点击或拖入 · .csv / .txt / .tsv

分隔符离群阈值 σ 首行是表头

读取服务上限…

列画像—

—还没有体检报告

上传 CSV 后点「生成体检报告」；每列会变成一张可展开的卡片。

列口径说明与常见误填把话说清楚，比报个数更有用

推断口径	两遍流式扫描：第一遍统计类型分布、空值率、唯一值数与数值均值标准差；第二遍按定稿规则标注异常。不使用任何模型。
物理行号	issues[].line 是 CSV 的物理行号，从 1 开始、含表头行、含字段内换行占用的行，不是「第几条记录」。
类型置信度	confidence 与 null_rate 是 0~1 小数，页面乘 100 显示百分比；文本列不做 type_mismatch 告警，避免刷屏。
离群判据	数值列按 \|x - mean\| > outlier_sigma × std_dev 标注离群，阈值可在 0~10 之间调整。
编码检查	自动识别 UTF-8 / UTF-8 BOM / UTF-16 / GB18030 并统一转无 BOM UTF-8；逐行编码不一致会单独列出。
常见误填	分隔符混用会让列数与类型统计失真；发现 mixed_lines 请先用「CSV 引号与多行字段修复」归一化再分析。

这个工具解决什么问题

导入数据前最贵的错误，是到系统里才发现某列混了文本、某行少了一个字段。本工具给 5 万行以内的 CSV 做一次逐列画像：推断类型、空值率、唯一值数、数值离群，并把每个异常定位到具体物理行，直接导出问题行清单交给负责人修。

三条实用原则

先看分隔符与编码结论，再解读列类型；混用分隔符时类型统计不可信。
离群不等于错误：金额、年龄这类长尾分布要结合业务判断。
清单可能按上限截断，总数一律读 stats；需要全量用文件下载。

按这几步用

上传 CSV：支持 .csv / .txt / .tsv，单文件默认 20MB 上限。
设置参数：确认首行是否表头、分隔符（默认自动）与离群阈值 outlier_sigma。
看列画像：逐列查看推断类型、空值率、唯一值数与异常计数。
查问题行：按物理行号定位异常，按规则筛选重点问题。
导出报告：下载列画像 CSV 或问题行 CSV（服务端生成，带 UTF-8 BOM）。

小提示

报告类 CSV 对 = + @ 开头的字段做了公式注入防护；问题行清单与数组同源，超过输出上限会被截断并在 warnings 提示。

更新记录

v1.0 2026-11-07 工具上线：列画像、异常行号定位、编码与分隔符报告、两份 CSV 导出。

常见问题

为什么某一列被判为 mixed？

该列同时出现多种互不兼容的类型（如整数、日期、邮箱）。可先看 examples 与 type_counts，再决定清洗规则。

空值率怎么算？

空单元格数除以该列总行数，结果以百分比展示；字段数不足的行会额外记 missing_field。

5 万行会不会卡住？

服务端采用流式统计与 Welford 在线算法，唯一值哈希表有上限；超大文件会返回 413 / 422，请拆分后重试。

行号和 Excel 里看到的行号不一致？

这里的行号是物理行，包含表头行与字段内换行；Excel 里带换行的单元格只占一个表格行，因此会有偏差。

💬 留言板 0

全部留言需审核通过后展示

💬

还没有留言，来抢沙发吧！