Eu vou limpar seu Excel ou CSV bagunçado em dados organizados e utilizáveis

Você tem os dados. Só que não consegue fazer nada com eles: os cabeçalhos estão na linha 4, metade das colunas são texto, há oito linhas de lixo de navegação na parte de baixo, e duas planilhas diferentes têm as mesmas colunas com nomes diferentes.

As cinco coisas que realmente dão errado e o que eu faço em cada caso:

1. O cabeçalho não está na linha 1. Título, subtítulo, unidades, data de publicação. Localizo o cabeçalho real estruturalmente, não assumo nada e não apago cinco linhas por fé.

2. Cabeçalhos de duas linhas. Grupos de unidades que abrangem algumas colunas, nomes embaixo. Transformo em nomes de coluna únicos e corretos, ao invés de cinco colunas chamadas "Coluna 3".

3. Números armazenados como texto. Fazem a ordenação errada, as médias falham, os gráficos mentem. Converto, removendo os separadores de milhares. Valores ausentes permanecem ausentes, nunca são silenciosamente transformados em zero.

4. Lixo no rodapé como dado. Fonte:, Notas:, Data de lançamento. Movido para fora dos dados e preservado como notas.

5. Duas tabelas que parecem iguais, mas não são. Separadas, rotuladas, e a diferença anotada.

Exemplo de trabalho na galeria: uma planilha real de estatísticas do governo do Reino Unido com 11 planilhas, quatro layouts diferentes de tabela dentro dela, limpos em 10 CSVs e 175 linhas verificadas, com 33 checagens automatizadas.