嘿，处理10万+行的学术书籍数据集确实得找高效的方法，我帮你整理了两种适合Excel环境的解决方案，不管是用原生功能还是Power Query都能搞定你的需求——筛选社科类出版物、清理非数值数据、统计出版社Top20，一步步来：

1. 精准筛选社会科学类出版物 #

因为社科类可能出现在4个分类列的任意一列，直接用普通筛选会漏行，推荐用高级筛选实现“多列或条件”筛选：

• 先在空白区域搭建条件区域：复制表头的Classification 1到Classification 4，然后在每个分类列的下方行输入=*社会科学*（通配符*用来匹配包含关键词的内容，比如“社会科学总论”也会被命中），注意每个条件要放在不同行（代表“或”逻辑）
• 选中原始数据区域（含表头），点击「数据」选项卡→「高级」，选择列表区域为原始数据，条件区域为你刚搭建的条件块，勾选「将筛选结果复制到其他位置」，指定一个空白区域作为输出，确定后就能得到所有社科类的数据集

2. 清理出版社列的非数值/异常数据 #

出版社列常出现空值、重复名称（比如“XX出版社”和“XX出版集团”、大小写不一致），先做清理：

• 处理空值：选中出版社列，按Ctrl+G→「定位条件」→「空值」，可以选择删除整行，或者输入「未知出版社」后按Ctrl+Enter批量填充
• 统一名称格式：插入辅助列，输入公式=TRIM(PROPER(A2))（假设出版社在A列），TRIM清理首尾空格，PROPER统一首字母大写，然后复制辅助列的值替换原出版社列
• 合并重复名称：如果有同出版社的不同表述（比如“北京大学出版社”和“北大出版社”），可以用「查找和替换」批量统一，或者手动维护一个映射表匹配后替换

3. 统计出版社数量并生成Top20 #

用数据透视表是最快捷的方式：

• 选中筛选后的社科数据集，点击「插入」→「数据透视表」，放在新工作表
• 把「出版社」拖到「行」区域，把任意一个字段（比如书名）拖到「值」区域，然后点击值区域的字段→「值字段设置」→选择「计数」
• 点击行区域的「出版社」字段，选择「排序」→「降序」，按计数结果排序
• 选中前20行的出版社和计数结果，复制粘贴到新区域就是你的Top20列表

Power Query适合大数据集，操作可复用，步骤更自动化：

1. 导入数据到Power Query #

选中原始数据区域，点击「数据」→「从表格/区域」，勾选「我的表格有标题」，进入Power Query编辑器

2. 筛选社科类出版物 #

• 点击「添加列」→「自定义列」，输入公式（替换成你实际的分类列名称和关键词）：

  = List.AnyTrue(List.Transform({[Classification 1], [Classification 2], [Classification 3], [Classification 4]}, each Text.Contains(Text.Lower(_), "社会科学")))
  

  这个公式会检查4个分类列中是否有任意一列包含“社会科学”关键词（Text.Lower用来忽略大小写），返回True或False
• 筛选自定义列等于True的行，然后删除这个自定义列

3. 清理出版社列的异常数据 #

• 处理空值：选中出版社列，点击「转换」→「替换值」，将null替换为「未知出版社」
• 清理格式：点击「转换」→「格式」→「修剪」+「首字母大写」，统一名称格式
• 去除重复项：选中出版社列，点击「转换」→「删除重复项」

4. 计数并生成Top20 #

• 点击「开始」→「分组依据」，分组列选「出版社」，新列名设为「出版物数量」，操作选「计数行」
• 点击「出版物数量」列的排序按钮，选择降序
• 点击「开始」→「保持行」→「保持前几行」，输入20，确定后点击「关闭并上载」，结果就会回到Excel工作表中

内容的提问来源于stack exchange，提问作者Rebecca Randall