核心用法
Sheetsmith 是一个轻量级 Pandas 封装工具，专用于 CSV/TSV/Excel 文件的一站式处理。通过单一 CLI 入口，用户可完成从数据探查到清洗导出的完整工作流：
- 探索类命令：
summary输出行列数、数据类型分布、缺失值列及首尾预览；describe运行pandas.DataFrame.describe()展示数值统计与类别频次；preview快速查看指定行数样本 - 处理类命令：
filter支持 Pandas query 语法进行条件筛选（如state == 'CA' and population > 1e6）；transform允许通过--expr创建新列、--rename重命名、--drop删除列，实现表结构重塑 - 转换命令：
convert在 CSV/TSV/XLSX 格式间互转，自动识别扩展名调用对应写入器
所有修改操作默认安全——必须显式指定 --output 新路径 或 --inplace 才会写入，避免误覆盖源文件。
显著优点
- 零代码门槛：封装常用 Pandas 操作，用户无需记忆 API，通过类 SQL 的 query 字符串和简单表达式即可完成任务
- 工作流整合：探索与编辑共用同一 CLI，减少上下文切换；
--sample支持随机抽样验证结果 - 格式兼容广：原生支持 Excel（依赖 openpyxl/xlrd）、CSV、TSV 三种主流表格格式
- 输出安全：强制要求显式确认覆盖行为，配合
--output的分支机制便于 A/B 对比清洗效果
潜在局限
- 功能边界：定位为轻量封装，复杂多表连接、窗口函数、自定义聚合等高级操作仍需原生 Pandas
- 性能瓶颈：大文件（GB 级）全量加载至内存，未实现分块处理或 Dask 等分布式支持
- 错误调试：Pandas query 表达式报错时直接透传底层异常，对非技术用户不够友好
适合人群
- 数据分析师、运营人员：需要快速摸底表格结构、执行常规清洗
- 开发者：临时处理数据文件，避免重复编写样板代码
- 教学场景：演示 Pandas 核心概念而无需暴露完整 API
常规风险
- 数据覆盖：虽强制要求
--inplace，但用户误用仍可能导致原始数据丢失，建议配合版本控制 - 类型推断：Pandas 自动类型转换可能将 ID 列识别为数值，导致前导零丢失或精度问题
- 依赖环境：需预装 pandas、openpyxl、xlrd、tabulate，缺失时命令直接失败