Excel又偷改我的数据了！你不是唯一受害人。

在商业和学术领域，Excel的应用可谓是无处不在，尤其是在有大量积累数据的领域，比如市场营销、金融、流行病调查、宏基因组测序数据等。

尽管Excel的后台程序开发十分复杂和稳健，但人们用Excel创建的电子表格却极其脆弱。

无论是对于初学者还是熟练者，Excel最大的问题就是无法跟踪数据的来源，对数据的改动无法留下轨迹，更多的时候你在毫不知情的情况下，会键入错误的数字或者删掉一些重要的数据，此外还有手动复制、粘贴错误以及公式错误。

今年咱们还在国庆「八天乐」期间，英国公共卫生部却因为新冠人数数据超过Excel上限，而遗漏了16000个新冠肺炎病例。英国广播公司（BBC）、《卫报》等英媒10月5日报道，当天英国公共卫生部承认，由于“技术故障”，他们遗漏了9月25日至10月2日的15841个新冠病毒确诊病例，这意味着英国政府同时也遗漏了至少47000名密切接触者。

英国的新冠检测在商业公司雇用的实验室中进行，检测结果以 csv 格式传报给卫生部，卫生部将数据输入 Excel 表格，然后共享到多个政府部门系统。这中间有一个环节出了问题，他们的EXCEL用的一种相对「古老」的格式：xls。

实验室提交的 csv 文件，是文本形式表格，数字之间用逗号分割，理论上可以有无限行。而在 xls 文件中，一个模板最多有 65,536 行。在进行文件格式转换的时候，超出行数的部分会被系统直接删除。每个病例的检测结果都有好几栏，一个模板大约只能容纳 1400 个病例的数据。

事件曝光后，许多人批评英国卫生部居然使用了如此过时的xls版本。该版本诞生于 1987 年，早在2007 年发布的xlsx 文件格式就已经能够容纳 1,048,576 行，是xls 格式的 16 倍。

谢菲尔德大学搜索和分析教授 Paul Clough发文评论此事。他指出，虽然 Excel 很受欢迎，经常被用于数据分析，但它并不适合处理数据量太大的情况，或比较复杂的分析任务。即使使用了最新版本的excel，超过容纳上限也只是时间问题。 

这其实并不是Excel第一次闯祸。

或许，我们大家都遇到过这种情况，当我们在Excel中输入数据时，会被自动更改格式，特别是一些重要数，如临床试验等，就可能产生不可挽回的严重后果。尽管可以通过手工设置单元格格式以还原数据，但有时遗漏是在所难免的。据一项 2016 年的调查表明，这类 “Bug” 非常普遍，以至于在 3597 篇样本论文中，约五分之一都受到了影响。

图 |  Excel 将基因名称误读作日期

目前没有简单的办法能够对抗这种“Bug”，Excel没有关闭自动修改格式的按钮，为了避免自动转换，只能重设整列单元格数据类型。但是这种修复仅限于本次操作，一旦其他人引用了相关数据，问题有可能会再次出现。

国际人类基因组组织（HUGO）下辖的 HGNC（基因命名委员会），不得不更换人类基因命名，以避开 Excel 的“Bug”。例如：MARCH1 将变为 MARCHF1；SEPT1 变为 SEPTIN1。尽管生命科学和基因对于人类来说非常重要，但是这个领域的科研人员对于微软庞大的用户群来说，是很小的一部分。

“90% 的分水岭”的经济学原理想必大家都曾听说过，是由莱因哈特和罗格夫于2010年发表的，即当一个国家的公共债务与GDP比例超过90%，该国的经济增长速度会下降。美国右翼使该理论发扬光大，用以巩固自己财政紧缩的政治主张。他们宣称，如果政府继续保持高比例的公共债务，这相当于把全美国人民往经济衰退的火坑里推。

这是真的吗？这条影响力重大的经济学研究近来被证明竟然是错误的，而错误的源头竟是因为一次不恰当的 Excel 计算。最明显的错误是，当莱因哈特和罗格夫要计算第30行到49行20个国家数据的平均值时，他们把公式 AVERAGE(L30:L49) 误输入为 AVERAGE(L30:L44)，只计算了前15个。

当然，除去excel公式的意外错误，莱因哈特和罗格夫还人为舍去了部分特殊点，还有不合理的对部分数据进行过度加权，使得计算结果更倾向于“高负债率影响经济增长”的结论。在纠正以上错误后，负债率高于90%的国家平均经济增长速度为2.2%，而非原结论中-0.1%。

值得一提的还有大名鼎鼎的摩根大通交易员、“伦敦鲸”布鲁诺·埃克西尔（Bruno Iksil）。去年，因摩根大通的投资策略失误，给公司造成了20亿美元的巨额亏空。事后调查发现，埃克西尔使用的Excel计算公式有问题，导致他低估了自己的交易风险。

以上的案例中，有一些确实是excel自身设计的问题，但部分不免有背锅的嫌疑。一个好用但有缺陷的产品，用得多就会错得多，那么，这种“好用”也会变成了原罪。对于严谨的科研工作者来说，我们评价软件或者某种工具，可能更像我们使用绳子，总要从最薄弱的一段来断定绳子的质量。

术业有专攻。在科研数据分析中，我们还是推荐更为专业的工具，像SQL是高级的非过程化编程语言，允许用户在高层数据结构上工作；像R语言，对数据的处理有详细的日志记录，而且对数据量没有上限要求。

参考内容：

图片、参考资料来源于网络，侵权请联系删除

不会 R 语言也可以画出高端大气的

科研图

科研绘图神器—hiplot，全网首个开源绘图平台，目前可提供150余种基础+高级可视化功能，并在不断的更新中。

点击图片进入Hiplot平台介绍

免费注册hiplot账号，全面开放，免费使用：

注册网址：https://hiplot.com.cn/signup

更多科研新鲜资讯、文献精读和生物信息技能

请关注科研猫公众号

点个“在看”分享给更多的小伙伴