Mr pretty1. 为什么Excel老手都在转向Power Query
1.1 真正的痛点：重复性清洗工作
我是做数据运营的，日常打交道最多的就是各种乱七八糟的Excel表。早些年整理数据基本靠三件套：复制粘贴、VLOOKUP、透视表。听着挺专业，实际上效率低得吓人——尤其是当数据源是系统导出的报表时，每次格式都有微调，列顺序偶尔变一下，日期有时候是文本有时候是数字，编码还时不时带个空格。我每次拿到新数据，光清洗就要花一两个小时，清洗完之后做透视表倒是快，但下个月再来一遍，又是从头折腾。
Power Query的出现算是把这个循环彻底打破了。它给Excel装了一个"数据加工车间"，你在里面做的每一步清洗操作，都会被记录成步骤。数据源更新之后，只需要按一下刷新，所有清洗逻辑自动重跑一遍。也就是说，你花两个小时建立的一套清洗流程，以后每个月只需要花两分钟刷新结果。这才是Power Query真正的价值——不是帮你清洗一次数据，而是帮你把清洗数据这件事本身自动化。
1.2 Power Query能做什么，解决什么问题
先用一句话概括：Power Query是Excel和Power BI内置的数据连接与数据准备工具，用来把原始数据变成可分析的干净数据。
具体来说，它有三种核心能力：
- 数据获取：从Excel文件、CSV、文件夹、数据库、网页、API接口等各种数据源拉取数据。尤其值得说的是"从文件夹获取"，可以把一个文件夹里所有Excel文件批量合并成一张表，这个功能做月度汇总报表时能救命。
- 数据清洗：删除列、改列名、改类型、替换值、拆分列、合并列、删重复行、填充上下值、调整行列结构，几乎所有你以前手工做的操作，它都有对应的功能按钮。
- 数据转换：包括分组聚合、合并查询（替代VLOOKUP）、逆透视、转置、条件列等等。其中逆透视是我最推荐的功能，几乎能解决所有"交叉表转明细表"的问题。
1.3 哪些人值得学Power Query
- 经常用Excel处理报表但大量时间花在复制粘贴上的人
- 每个月要从系统导出数据、做同样加工的财务、运营、人事、销售岗位
- 用Excel做数据分析但觉得透视表满足不了需求的人
- 想从Excel过渡到Power BI的人——Power Query在Power BI里是核心组件，学会Excel版，Power BI版基本无缝衔接
说实话，如果你只是偶尔处理一次小表格，没必要花时间学。但只要是"周期性、重复性"的数据处理工作，Power Query绝对是性价比最高的投资。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 从零认识Power Query：入口、界面和核心机制
2.1 不同版本里的入口
先说入口，因为很多人在Excel里找不到Power Query。
- Excel 2016及以上（Windows版）：在"数据"选项卡里，左侧有个"获取和转换"功能区。新建查询的按钮在这里，编辑现有查询也可以从这里进入。
- Excel 2010/2013：需要手动安装Microsoft Power Query for Excel插件，现在微软官方已经不太更新了，建议升级Excel版本。
- Mac版Excel：目前只有部分功能，很多按钮都没有，体验不太完整，重度使用的话还是建议Windows环境。
- Power BI Desktop：在"主页"选项卡的"获取数据"里，机制完全一样。
我自己常用的是Excel 365，入口就在"数据"选项卡下，点"来自表格/区域"或者"获取数据"就可以了。
2.2 查询步骤面板：看懂Power Query的核心逻辑
进入Power Query编辑器后，界面中心是数据预览区，右侧是"查询设置"面板，里面记录着每一步操作。这是最关键的部分——很多人第一次打开时完全忽略了这个面板，导致后来操作了十几步之后发现中间某一步做错了，只能全部重来。
这里的机制其实和Photoshop的图层类似：每一步操作不是修改原始数据，而是在原始数据之上叠加一个"转换指令"。你在编辑器中看到的表，是原始数据经过所有步骤之后的最终结果。
举个例子，你做了一个"删除前三行"的操作，再做一个"筛选商品类别为电子产品"的操作，右侧查询设置会显示：
- 源
- 删除前几行
- 筛选行
如果后来发现"删除前几行"这个步骤不应该做，直接点这个步骤左侧的叉号删掉就行，后面的筛选步骤会自动在更新后的数据上继续执行。
这个机制的强大之处在于——步骤是可以随意插入、删除、调整顺序的，并且任何时候改动，最终结果都会自动更新。我在实际工作中经常用到这个特性：今天客户说要按新版口径统计，我就在步骤列表里看看哪个环节需要调整，改完后刷新，整条链路自动重算。
2.3 加载方式的选择与对比
在Power Query编辑器中点"关闭并上载"，数据会被加载回Excel工作表中并自动生成一个表。如果你在"关闭并上载"旁边的下拉菜单中选择"关闭并上载至..."，可以选择加载方式：
- 表：把处理好的数据放到工作表中，这是最常用的方式，方便直接查看和后续计算。
- 仅创建连接：数据不会出现在工作表里，但查询会保存在工作簿中。这种方式适合数据量特别大、不想让工作表显得太臃肿的场景，配合数据透视表使用效果很好。
- 添加到数据模型：把数据加载到Excel的数据模型里，适合做Power Pivot分析，Excel 2013以上版本支持。
我在处理超过几十万行数据时，一般不会直接加载到工作表，而是选择"仅创建连接"，然后用透视表来汇总分析。这样工作簿体积小，刷新也更快。
3. 高频数据清洗操作：从菜鸟到熟练工的必经路径
3.1 列管理：类型、命名、删除的底层逻辑
Power Query里的每个操作背后都有对应的M代码，但你不需要自己写代码——所有按钮操作都会自动生成。对于初学者，先用好按钮就行，等熟练了再去看生成的代码，会发现自己不知不觉就学会了M语言基础。
修改列类型是最常见的操作。点列标题左侧的图标或"转换"选项卡下的"数据类型"，就可以把文本改成整数、小数、日期、时间等。这里有一个常见问题：如果某列大部分是数字但有少量文本值，改成整数后会报错。Power Query的处理方式是"出现错误"，错误值会以"Error"显示在单元格中。这时候你可以用"替换错误"操作，把错误值替换成0或者空值。
删除列的时候需要注意：Power Query里删除列不是彻底删除，而是"不包含列"。你完全可以随时返回步骤修改。这种非破坏性操作模式，让新手试错成本大大降低。
3.2 拆分与合并：脏数据处理的万能手段
系统导出的数据经常出现"列中套列"的情况，比如一列里同时包含日期和时间，或者一列里是"区域-门店-编号"的复合信息。这时候"拆分列"就是核心工具。
操作路径是"转换"选项卡 → "拆分列"。可以根据分隔符（逗号、分号、空格等）拆分，也可以按字符数或位置拆分。我个人最常用的是按分隔符拆分，比如把"华东-上海店-001"拆成三列。
拆分时有个选项是"拆分到行"，很多人会忽略。这个功能是把一个单元格里的多个值拆成多行，非常适合处理用顿号、斜杠分隔的多值字段。比如一列是"苹果、香蕉、橙子"，你希望每行只保留一个水果名并保留其他列的数据，选"按分隔符拆分到行"一步就搞定。
合并列和拆分正好相反，可以把多列合并成一列，用特定分隔符连接。常见用途是把"年"和"月"两列合并成"年月"列，或者把"姓"和"名"合并成"姓名"。操作路径是"添加列"选项卡 → "自定义列"，也可以选中多列后在"转换"选项卡中选"合并列"。
3.3 筛选与排序：快速缩小数据范围
Power Query里的筛选操作，与Excel工作表中的筛选有本质区别。Excel的筛选是临时性的，而Power Query的筛选是永久性的步骤——数据源刷新后，新进来的数据如果不符合筛选条件，会被自动过滤掉，这非常适合做增量数据清理。
比如你只需要处理2024年的数据，在日期列上筛选大于等于2024年1月1日、小于2025年1月1日。以后每月的刷新，这个筛选条件都会自动套用。如果数据源里混入了2025年的数据，也不会进入结果。
排序操作同样会记录成步骤。建议在数据清洗的早期完成排序，避免排序后的顺序被后续步骤打乱。Power Query里排序是对表整体的排序，不是Excel里那种按选区排序，所以不会有"只排一列导致数据错位"的问题。
删除重复行是一个高频操作，在"主页"选项卡里。有一个细节要注意：删除重复行默认保留第一行，如果你希望保留最后一行或者按照某个规则保留，需要先排序，再删除重复项。比如取每个客户的最新订单，就先按订单日期降序排列，再按客户ID去重，保留的就是最新的记录。
3.4 逆透视：Excel用户最陌生的神操作
逆透视是Power Query里被低估的一个功能。你可以把它理解为"把横向的交叉表变回纵向明细表"。
举个例子：你有一张表，列是各月份，行是各门店，单元格是销售额：
| 门店 | 1月 | 2月 | 3月 |
|---|---|---|---|
| A店 | 100 | 120 | 110 |
| B店 | 90 | 95 | 105 |
这种格式适合人眼看，但完全不适合做透视表或者后续分析。你应该把它转成：
| 门店 | 月份 | 销售额 |
|---|---|---|
| A店 | 1月 | 100 |
| A店 | 2月 | 120 |
操作方法是：在Power Query编辑器里，选中"门店"列，右键 → "逆透视其他列"，瞬间完成。这个功能在Excel里手工要做半天，在Power Query里就是几秒钟的事。
逆透视再配合分组聚合，几乎能覆盖绝大多数"宽表转长表"的场景。做财务对账、业务分析的同学，这个功能请务必熟练掌握。
4. List.Max等列表函数：M函数到底怎么用
4.1 从按钮到代码：M函数的基本认知
很多人在初期只用界面按钮，一提到M函数就觉得难。但实际工作中，按钮解决的是"常见的、结构化的"问题，一旦遇到稍微特殊的需求，还是得靠M函数。
先说清楚概念：M语言中的"List"，就是一组值的集合。M语言里的List用花括号表示，比如{1, 2, 3, 4, 5}。而List.Max就是取一组值中的最大值，语法是：
m复制List.Max(list as list, optional default as any, optional comparisonCriteria as any) as any
第一个参数是列表，第二个参数是当列表为空时返回的默认值（可选），第三个是比较规则（可选）。看几个最简单的例子：
m复制List.Max({3, 5, 2, 8}) // 返回 8
List.Max({}) // 返回 null
List.Max({}, 0) // 返回 0
在Power Query里，这些函数不用单独去写脚本运行，你可以通过"添加列" → "自定义列"，在公式框里输入M函数表达式，等于你手动为每一行计算一个新字段。
4.2 行内多列取最大值：List.Max的典型应用场景
List.Max最常见的实战场景是：一行里有多个数值列，你想取它们的最大值或最小值。
比如一个教学管理系统里，一个学生有语文、数学、英语三科成绩，你想计算"最高分科目"的分数。在自定义列里写：
m复制List.Max({[语文], [数学], [英语]})
这里的[语文]、[数学]、[英语]代表当前行的各列值，花括号把它们组合成一个列表，然后List.Max取出最大值。是不是比Excel的MAX函数还直观？
如果你想返回"最高分是哪一科"，可以用List.Max更进阶的写法。具体来说，先找到最高分，再用List.PositionOf找这个最高分在列表里的位置，然后用List.Range或直接索引取出科目名。不过更推荐用List.Transform或者Table.MaxRows来处理，逻辑更清晰。
4.3 分组后取最大值：和Table.Group配合
另一种常见需求是：先按某列分组，再在每个组内取最大值。Power Query中可以直接在"分组依据"界面操作，不用手写函数。
但在实际工作中，Tab键界面给不了那么多灵活性。比如你不仅要"每个客户的最大订单金额"，还要同时取出"这个最大订单对应的订单日期、订单号"。这种情况下，用Table.Group配合Table.Max的写法更实用：
m复制Table.Group(源, {"客户ID"}, {
{"最大订单", (t) => Table.Max(t, "订单金额")}
})
这段代码的意思是：按客户ID分组，每组用Table.Max选出订单金额最大的那行记录，整行保留。然后再通过展开操作，把需要的列取出来。这类"组内取整行极值"的需求，用界面很难做，但这里就非常顺手。
4.4 常用List函数一览
有时间的话，我建议把下面这几个List函数都过一遍：
| 函数 | 作用 | 示例 |
|---|---|---|
| List.Max | 取最大值 | List.Max({1,2,3}) 返回 3 |
| List.Min | 取最小值 | List.Min({1,2,3}) 返回 1 |
| List.Sum | 求和 | List.Sum({1,2,3}) 返回 6 |
| List.Average | 求平均 | List.Average({1,2,3}) 返回 2 |
| List.Count | 计数 | List.Count({1,2,3}) 返回 3 |
| List.Distinct | 去重 | List.Distinct({1,1,2}) 返回 |
| List.Contains | 判断是否包含 | List.Contains({1,2,3}, 2) 返回 true |
| List.Sort | 排序 | List.Sort({3,1,2}) 返回 |
List类函数是M语言中特别值得花时间掌握的一个类型，因为数据的"列"抽取出来就是一个List。配合List.Transform、List.Select这些高阶函数，可以用来清洗文本、批量替换、多表对比等。我个人建议把List.Distinct和List.Contains先掌握——前者做去重判断，后者做"值在不在另一个列表里"的校验，这两个需求在数据核对中频繁出现。
5. 分组聚合与合并查询：绕过VLOOKUP和SUMIFS的替代方案
5.1 分组依据操作：界面版的数据透视表
先讲分组聚合。很多人遇到"按部门求和、按城市计数"这类需求时，第一反应是去Excel里做透视表。但如果有多个分组维度并且还要做多指标计算，透视表的行、列、值字段设置起来有点绕，而Power Query的"分组依据"则更像是数据库里的GROUP BY操作，逻辑更直白。
操作路径："主页"选项卡 → "分组依据" → 选择分组列和聚合操作。可以同时添加多个聚合：求和、平均值、计数、最大值、最小值等。
我举一个实战例子：有一张全国门店的销售明细表，有门店名称、城市、区域、销售额、客流量等字段。现在要按区域统计总销售额和平均客流量，选中"区域"列作为分组依据，然后添加两个聚合，一步完成。
这里的底层逻辑是界面帮你生成了一个Table.Group函数。如果你想在分组之后还保留其他复杂逻辑，可以切换到高级编辑器手动改代码。
5.2 合并查询：比VLOOKUP更稳的字段匹配
VLOOKUP是Excel用户离不开的函数，但它有三个让无数人踩坑的缺陷：只能从左向右查、查找列必须是数据区域第一列、数据源列顺序变化时容易出错。Power Query的"合并查询"完全没有这些问题。
操作路径："主页"选项卡 → "合并查询"，选择要匹配的表和列，选择连接种类，点确定之后，右侧会出现一个新列，点列头右边的扩展按钮，勾选需要的字段，展开即可。
合并查询的使用场景非常广泛。比如：
- 销售明细表通过商品ID关联商品信息表，取商品名称、品类、单价
- 人员表通过部门ID关联部门表，取部门负责人
- 一张订单表同时关联客户表和产品表，多表合并后生成宽表
和VLOOKUP对比，合并查询的几个优势很实际：
- 不需要关心列的顺序，只要列名选对就行
- 可以一次关联多个字段（复合键）
- 连接类型更丰富：左外部、右外部、完全外部、内部
- 匹配之后可以自由选择保留哪些字段
5.3 连接类型怎么选
合并查询时有6种连接类型，初学者很容易搞混。我用自己的话说明：
- 左外部：以左表为基准，右表能匹配上的就带上，匹配不上的右表字段显示为null。这是最常见的选择，相当于VLOOKUP。
- 右外部：反过来，以右表为基准。
- 完全外部：两边的数据都保留，匹配不上的互相补null。
- 内部：只保留两边能匹配上的行。
- 左反：只保留左表中在右表里匹配不到的行。这个做"查漏补缺"很好用，比如找出没有下单记录的客户。
- 右反：反过来，保留右表中匹配不到的行。
实际工作中我经常用到"左反"——比如核对两批客户名单的差异，哪些客户在上个月的名单里但不在本月的名单里，用左反连接几秒钟就出来了，比用COUNTIFS一个个人找快太多了。
5.4 多表合并与文件夹数据合并
除了单表合并，还有一个非常实用的场景：把多个结构相同的工作表或文件夹中的多个文件合并成一张总表。
合并工作簿内多个Sheet：在获取数据时选择"从文件夹"或者"从Excel工作簿"，Power Query会列出工作簿里的所有Sheet，你可以选择将需要的那几个Sheet追加合并。有些版本支持"转换示例文件"功能，自动识别每个Sheet的相同列并合并。
合并文件夹下多个Excel文件：这是月度报表汇总的利器。把所有分公司的报表放到同一个文件夹，Power Query读文件夹路径，自动把里面所有Excel文件的数据合并成一张大表，并自动添加一列记录数据来源文件名。以后新的报表文件放进去，刷新一下，自动汇总进表格。
6. 性能优化与常见坑：实际使用中绕不开的问题
6.1 数据量过大时的处理策略
Power Query虽然能处理百万行级别的数据，但也不是无限制的。数据量一大，刷新速度会明显下降。我总结几个有效的优化经验：
- 尽早做列裁剪：能删掉的列尽量在数据源加载后的第一步就删掉。Power Query的机制是每一步都基于之前的步骤，如果先做了很多复杂转换再删列，前面的计算量白费了。
- 尽量在数据源头过滤：在获取数据时，选择筛选条件而不是等全部数据加载后再筛选。如果数据源是数据库，Power Query会尽量把筛选条件下推给数据库执行，性能天差地别。
- 避免在每一步重复展开巨表：如果一个步骤产生大量中间数据，后续要小心。尽量减少展开列时的字段数量，只展开真正需要的字段。
- 用"仅创建连接"加载数据：当你只需要透视表汇总时，不要加载整个明细表到工作表中，用"仅创建连接"加数据透视表的方式，工作簿文件大小和刷新速度都会改善很多。
6.2 日期和时间相关的问题
时区和本地时间：Power Query读取某些数据源时，日期时间会被识别为UTC时间，显示出来会差8个小时。解决方案是在数据源加载后，用"添加列"→"自定义列"做时间转换，比如用DateTime.AddZone和DateTimeZone.ToLocal组合，或者干脆把UTC时间列减去8小时。
日期格式不一致：同一个数据源里，有的日期是"2024/1/1"，有的是"2024年1月1日"，有的是"01-01-2024"。遇到这种问题，在更改类型之后，需要检查哪些行变成了Error，用"替换错误"或"条件列"来修正异常值。
6.3 数据源路径变化和其他经典错误
数据源路径变化：如果你的Excel文件从文件夹A移动到文件夹B，或者数据源文件换了位置，刷新时Power Query会报"无法找到数据源"。处理办法是在查询设置里选择"数据源设置"，重新指定路径。更好的办法是在查询创建时就使用相对路径，或者通过参数化查询来集中管理数据源配置。
列名变化导致错误：如果数据源列名改变了（比如原本叫"销售额"，后来系统改成了"销售金额"），Power Query中依赖原列名的步骤会报错。解决办法是尽量在早期步骤就将列名重命名为标准名，并且在列名改变后及时更新后续步骤。
首行误识别：有些表格的第一行是标题但不是真正的表头。在从区域/表加载时，Power Query默认把第一行当成表头。解决办法是在"转换"选项卡中用"将第一行用作标题"或者"提升标题"功能调整。
6.4 我个人最常用的三个小技巧
最后分享三个我实际工作中反复用到的技巧：
技巧一：用"选择列"配合"删除其他列"来快速选列。 在数据预览区，选中你要保留的列（Ctrl+单击多选），右键选择"删除其他列"，比你一列一列删除要高效得多，而且步骤列表里只记录一个步骤。
技巧二：利用"条件列"代替复杂的IF嵌套。 业务上经常要打标签，比如"销售额大于10000为A类，5000-10000为B类，小于5000为C类"。在"添加列"→"条件列"里设置条件，完全图形化操作，不用写IF函数。
技巧三：记录步骤并重命名。 右键点击查询设置里的步骤，可以重命名。我习惯把步骤命名为"筛选2024年数据""删除无关列""合并产品信息"等人话，这样过几个月回来看这个查询，或者把它交接给同事，大家都能一目了然地知道每一步在做什么。这点在团队协作中价值极大。
Power Query用熟之后，你会发现自己处理Excel的方式变了——不再是一张表反复复制粘贴，而是把数据加工当成一条流水线来搭建。见到一份新数据，脑子里自动就会想：先做哪几步清洗，再做什么转换，最后怎么加载。一旦养成这种思维，不管以后是用Excel还是Power BI，数据处理效率都会有一个质的提升。