上周帮一个做电商的朋友处理销售数据。他从后台导出一堆JSON格式的销售记录，要我用Python清洗后导入Excel做报表。
我问他：「你后台不能直接导CSV吗？」
他说：「能导，但只有JSON。」
我说：「那用工具处理一下不就行了？」
他愣了三秒：「还能这样？」
这就是很多非技术岗位的痛点——知道数据有问题，但不知道用什么工具快速解决。今天分享5个数据处理捷径，每个都是我在工作中反复用到的。
技巧一：JSON直接转CSV，告别手动抄字段
场景： API返回的是一条条JSON记录，你要把它们放到Excel里分析。
手动复制粘贴？数据量一大就崩溃。
正确做法： 用在线JSON转CSV工具。
打开 navbox.com.cn/tools/json-to-csv/，把你的JSON数组粘贴进去：
[
{"date": "2026-08-01", "product": "鼠标", "sales": 1200, "region": "华南"},
{"date": "2026-08-01", "product": "键盘", "sales": 800, "region": "华东"},
{"date": "2026-08-02", "product": "显示器", "sales": 3500, "region": "华北"}
]
点「转换为CSV」，几秒后就能下载表格文件。
注意： 如果JSON嵌套比较深，先展开。工具只处理最外层的数组，里面的嵌套对象会变成字符串。
技巧二：文本去重，1000行变10行
场景： 从服务器日志里提取访问过的URL，重复的太多了。或者从CRM导出的客户名单里，同一个手机号出现了几十次。
操作步骤：
- 打开 navbox.com.cn/tools/text-deduplicator/
- 粘贴原始文本，每行一条记录
- 选择「整行去重」
- 点击处理，结果直接复制
去重后的数据干净多了。如果是敏感数据，比如包含用户手机号，记得工具不保存你的数据，处理完关页面就行。
进阶技巧： 如果你只想对某一列去重（比如只按手机号去重，保留其他信息），可以用Python：
import pandas as pd
df = pd.read_csv('customers.csv')
df_clean = df.drop_duplicates(subset=['phone'], keep='first')
df_clean.to_csv('customers_clean.csv', index=False)
技巧三：JSON路径查询，三层嵌套也能秒定位
场景： API返回的JSON有好几层嵌套，你要找某个字段的数据。比如「所有订单里金额大于1000的SKU列表」。
操作步骤：
- 打开 navbox.com.cn/tools/json-path-finder/
- 粘贴JSON数据
- 输入查询表达式
常用语法：
| 表达式 | 说明 |
|---|---|
$.users | 获取users数组 |
$.users[0] | 获取第一个用户 |
$.users[*].name | 获取所有用户的name |
$..price | 递归查找所有price字段 |
$.orders[?(@.amount > 1000)] | 筛选金额大于1000的订单 |
这个工具支持实时预览，输入表达式后立刻显示结果，不用跑代码验证。
技巧四：统计分析，不用写一行代码
场景： 你有一堆数字，要算平均值、中位数、标准差。用Excel的话，公式一堆；用Python的话，又得装环境。
最简单的方法： 用在线统计分析工具。
打开 navbox.com.cn/tools/statistics-calc/，把数据粘贴进去（每行一个数字），自动计算：
- 均值、中位数、众数
- 标准差、方差
- 最大值、最小值、总和
- 四分位数
使用技巧： 如果你的数据在CSV文件里，先用技巧一的方法导出CSV，再复制需要的列粘贴到统计工具里。
技巧五：数据对比，找差异一目了然
场景： 你需要对比两个版本的数据，找出新增、删除、修改的条目。比如上周导出的客户名单和这周的对比。
操作步骤：
- 打开 navbox.com.cn/tools/diff-checker/
- 左边粘贴旧数据，右边粘贴新数据
- 工具高亮显示差异：红色是删除的，绿色是新增的
进阶用法： 如果数据量很大，可以先用去重工具处理，再用差异对比工具。
这些技巧组合起来用更强大
单独用每个技巧已经能解决很多问题。但如果把它们串成工作流，效率会更高。
比如一个典型的处理流程：
API返回JSON
→ JSON转CSV（技巧一）
→ 数据去重（技巧二）
→ 统计分析（技巧四）
→ 结果导出Excel
整个流程可以在浏览器里完成，不用打开任何开发工具。
数据处理不需要学会编程。掌握这几个技巧，日常90%的数据处理任务都能快速搞定。
你的工作中遇到什么数据处理难题？欢迎在评论区分享。