数据质量画像师

对 CSV 或 JSON 数据集进行质量画像，识别缺失值、重复行、格式漂移、类型推断和数值异常。

把 CSV 粘贴到“数据集输入”中，或直接上传 CSV/JSON 文件。这个工具会逐列检查，给你一个在进入 BI、ETL 或机器学习前的快速质量快照。

会检查什么：

  • 每列的缺失值
  • 重复行，或者基于“重复判定列”指定业务键的重复组合
  • 列类型推断：number、boolean、date、string 或 empty
  • 使用 IQR 风格规则识别数值异常值
  • 字符串/日期列的格式漂移，比如日期格式混用、编码字段和自由文本混杂

字段怎么填：

  • 数据集输入：适合直接粘贴 CSV 文本做快速分析
  • 数据文件：当数据更大或已经保存在本地时可直接上传 CSV/JSON
  • 重复判定列：可选，填写逗号分隔列名，例如 id,email，用业务键而不是整行来判定重复
  • 示例行数：控制报告里展示多少行样例数据

怎么看结果：

  • 质量评分是 0-100 的快速总结，缺失值、重复行和异常信号越多，分数越低
  • Missing 表示该列发现了多少空白/null 单元格
  • Distinct 表示该列有多少不同取值
  • Anomalies 主要表示数值异常值
  • Format drift 表示这一列里的值在结构上看起来不一致

当前范围：

  • 支持 CSV 和 JSON
  • JSON 需要是对象数组，或者包含 rows 数组的对象
  • 这个分数更适合做快速运营判断，不是严格的数据治理评级

示例结果

1 个示例

在导入 BI 前分析一份交易 CSV

在数据进入报表前识别缺失、异常、重复和类型漂移。

Dataset quality report
查看输入参数
{ "datasetInput": "id,name,email,amount,created_at\n1,Alice,[email protected],120,2026-03-01\n2,Bob,,85,2026-03-02\n2,Bob,[email protected],85,03/02/2026\n3,Charlie,[email protected],9999,2026-03-03", "datasetFile": "", "duplicateKeyColumns": "id", "sampleRows": 8 }

Click to upload file or drag and drop file here

Maximum file size: 15MB Supported formats: text/csv, application/json, text/plain

关键信息

分类
数据与表格
输入类型
textarea, file, text, number
输出类型
html
样本覆盖
4
支持 API
Yes

概览

数据质量画像师是一款专为数据分析师和开发者设计的在线工具，能够快速对 CSV 或 JSON 数据集进行质量体检。只需粘贴文本或上传文件，工具便会逐列扫描缺失值、重复行、格式漂移和数值异常，并生成直观的质量评分报告，帮助您在将数据导入 BI、ETL 或机器学习模型前，提前发现并规避潜在的数据质量风险。

适用场景

  • •在将外部获取的 CSV 或 JSON 数据源导入数据库或数据仓库前，进行快速的质量摸底。
  • •准备进行机器学习模型训练或 BI 报表制作时，排查数据集中存在的缺失值和异常数值。
  • •需要快速定位业务数据中的重复记录（如重复的用户 ID 或订单号）以及字段格式不一致的问题。

工作原理

  • •在“数据集输入”框中直接粘贴 CSV 文本，或通过“数据文件”上传本地的 CSV 或 JSON 文件。
  • •（可选）在“重复判定列”中输入业务主键（如 id,email），工具将基于这些指定列而不是整行来判定重复项。
  • •设置“示例行数”以控制报告中展示的数据样例数量，然后提交分析。
  • •查看生成的 HTML 质量报告，获取 0-100 的整体质量评分，并逐列检查缺失率、唯一值、数值异常（基于 IQR 规则）和格式漂移情况。

使用场景

数据工程师在构建 ETL 管道前，对上游提供的原始业务数据进行质量探查。
数据分析师在制作 BI 销售看板前，检查交易记录中的缺失字段和异常金额。
运营人员在合并多渠道的用户名单时，通过指定邮箱或手机号列来排查重复用户。

用户案例

1. 导入 BI 前的交易数据体检

数据分析师
背景原因
分析师收到了一份包含近期交易记录的 CSV 文件，准备将其导入 BI 工具制作销售看板。
解决问题
担心数据中存在缺失的客户邮箱、重复的订单记录或异常的超大金额，导致报表失真。
如何使用
将 CSV 文本粘贴到“数据集输入”中，在“重复判定列”填写 id，并将“示例行数”设为 8。
示例配置
duplicateKeyColumns: id
sampleRows: 8
效果
报告显示质量评分为 85 分，成功识别出 amount 列存在一个 9999 的数值异常（Outlier），以及 created_at 列存在日期格式漂移（混用 YYYY-MM-DD 和 MM/DD/YYYY）。

2. 排查用户名单中的重复项与缺失值

运营专员
背景原因
运营团队从多个渠道收集了一批用户注册名单（JSON格式），准备进行邮件营销。
解决问题
需要确认名单中是否有重复注册的用户，并评估邮箱字段的缺失情况。
如何使用
上传包含用户数据的 JSON 文件，在“重复判定列”中输入 email，提交分析。
示例配置
duplicateKeyColumns: email
效果
快速生成质量快照，指出 email 列有 5% 的缺失值（Missing），并基于邮箱字段精准定位了多条重复记录。

用 Samples 测试

json, csv, text
CSV示例
各种数据类型、大小和复杂度级别的CSV示例文件
preferred input family csv,json
csv, json
Python 示例
Python代码示例和Hello World演示
preferred input family csv,json
csv, json
Web Rust 数据序列化示例
Web Rust 数据序列化示例，包括JSON序列化、反序列化和XML解析
preferred input family json,text
json, text
JWT 示例
从基础令牌结构到高级安全实现的全面JWT示例
preferred input family json,text
json, text

相关专题

JsonFormat工具专题
探索 9 个围绕 json 的 format 工作流工具，快速找到相近能力。
TextFormat工具专题
探索 9 个围绕 text 的 format 工作流工具，快速找到相近能力。
JsonConvert工具专题
探索 100 个围绕 json 的 convert 工作流工具，快速找到相近能力。
TextConvert工具专题
探索 80 个围绕 text 的 convert 工作流工具，快速找到相近能力。

常见问题

支持哪些格式的数据文件？

目前支持 CSV 文本粘贴，以及上传 CSV 和 JSON 格式的文件。JSON 文件需要是对象数组，或者包含 rows 数组的对象。

质量评分（Quality Score）是如何计算的？

质量评分是一个 0-100 的快速参考值。数据集中包含的缺失值、重复行、格式漂移和异常数值越多，该评分就会越低。它适合作为快速的运营判断依据，而非严格的数据治理评级。

如何只针对特定列检查重复项？

您可以在“重复判定列”中填写逗号分隔的列名（例如 id,email）。工具将仅根据这些业务键的组合来判断是否存在重复记录，而不是比对整行数据。

报告中的“Format drift（格式漂移）”是什么意思？

格式漂移表示同一列中的数据在结构或格式上存在不一致。例如，日期列中混用了不同的日期格式，或者文本列中混杂了纯数字编码和自由文本。

这个工具会自动清洗或修改我的数据吗？

不会。该工具仅用于数据质量画像和分析，生成只读的 HTML 质量报告，不会对您的原始数据进行任何修改或清洗操作。

API 文档

请求端点

POST /zh/api/tools/dataset-quality-profiler

请求参数

参数名 类型 必填 描述
datasetInput textarea 否 -
datasetFile file (需要先上传) 否 -
duplicateKeyColumns text 否 -
sampleRows number 否 -

文件类型参数需要先通过 POST /upload/dataset-quality-profiler 上传获取 filePath，然后将 filePath 传递给对应的文件字段。

响应格式

{
  "result": "
Processed HTML content
",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}
HTML: HTML

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-dataset-quality-profiler": {
      "name": "dataset-quality-profiler",
      "description": "对 CSV 或 JSON 数据集进行质量画像，识别缺失值、重复行、格式漂移、类型推断和数值异常。",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=dataset-quality-profiler",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

支持 URL 文件链接或 Base64 编码作为文件参数。

如果遇见问题，请联系我们：[email protected]