看到那门 Python 数据科学课，我默默用 WorkBuddy 把活干完了

刚刷到 Coursera 那门 IBM 的 Python for Data Science 课程，最近开课，讲 Pandas、数据清洗、API 那套。reddit 上有人吐槽说课程例子太绕，比实际工作难多了。我看了下课程大纲，第一反应是：学完这玩意儿得花多少小时？我上周三客户丢过来三个月销售明细，里面有六种日期格式，备注栏混着“客户说可以等”“已催三次别打了”这种人类语言，我要是先花四十个小时学 Python 再处理，这活早黄了。我用的方案是 WorkBuddy，从丢文件到出汇总表，加起来不到半小时。

先说操作路径。打开 WorkBuddy 新建任务，选“智能数据清洗”，把那个 Excel 拖进去。界面左边是文件预览，右边是清洗规则面板。我第一遍啥都没设，直接点“自动识别”，它把六种日期格式统一成了 YYYY-MM-DD，备注栏里那些口语自动归类成“跟进状态”“客户反馈”“紧急程度”三列。这一步花了大概三分钟。注意，自动识别不是万能的，它把我备注里“客户说下周一”识别成了日期，这不对，得手动改。

改的时候点右边规则面板里的“自定义替换”，把“下周一”替换成“跟进中”，再设一个关键词规则，“已催”开头的都归到“跟进状态-已催”。这个操作路径是：点备注列 → 点“添加规则” → 选“关键词匹配” → 输入规则 → 保存。小白第一次用别慌，界面右侧有“预览更改”按钮，每加一条规则，左边表格实时高亮受影响的行，确认没问题再点“应用”。这套规则我跑了大概十分钟，因为要反复试关键词的边界，比如“别打了再打拉黑”这种，我一开始没设进去，结果它被扔到“其他”里了。

导出之前有个关键设置，在“输出配置”里。我一般选“合并成一个工作表”，然后勾选“保留原始列”，这样万一后面发现清洗错了，还能对照原始数据查。导出格式选 Excel 还是 CSV 看下游需求，我客户要 Excel，我就选 xlsx，点“生成”，它给我一个下载链接，全程没碰过代码。

避坑经验有一条得说。第一次用的时候，我图省事，把所有需求一次性打在指令框里，什么“清洗日期、分类备注、删掉空白行、合并重复客户”，结果它处理是处理了，但“删掉空白行”把我一个客户备注里本来就有空格的记录也删了。后来学乖了，一次只让它干一件事，先清洗，再分类，再删减，每一步都检查预览，反而更快。这跟写 Python 一样，一个函数干一件事，别整花活。

权限那块我这边是单人用，没配协作，但 WorkBuddy 有共享工作区，可以设置“仅查看”和“可编辑”。如果团队用，建议数据源文件放共享盘，清洗规则保存在 WorkBuddy 里，谁跑都一样，别各自本地存一份，不然规则会漂移。

我那门 Python 课不是说不该学，你要是搞算法、搞模型，那必须学。但普通数据分析师，客户丢过来的破表格，WorkBuddy 二十来分钟就收拾利索了，省下来的时间早点下班不香吗。工具是拿来用的，不是拿来研究的，能把活干完就是好工具。