Busca filas con las cuatro columnas idénticas y reúnelas en un nuevo archivo de Excel junto con sus números de fila originales. Revisa cada grupo de duplicados incluyendo su primera aparición.
La traducción se ha realizado con IA. Comprueba el código, las unidades y los valores junto con el original. La revisión por hablantes nativos de cada idioma aún no se ha completado. 한국어
Para quién esPersonal administrativo que revisa entradas duplicadas después de reunir datos de Excel
En este ejemplo, una fila es duplicada cuando coinciden los cuatro valores: order_id, customer, item y quantity. Coincidir solo en el número de pedido no basta. Tampoco se cambian automáticamente los espacios ni las mayúsculas y minúsculas de las cadenas.
Antes de eliminar duplicados, se reúnen en la hoja Duplicates todas las filas con el mismo contenido, incluida la primera aparición. Las filas que aparecen una sola vez se guardan en Unique, para poder revisar las 8 filas sin omisiones.
La hoja de orders.xlsx debe llamarse Orders, y los nombres y el orden de las columnas de la primera fila deben ser los indicados abajo. Añadir columnas también provoca un error de cabecera. En lugar de sustituir directamente el ejemplo por un archivo de trabajo, crea uno de práctica copiando las cuatro columnas necesarias.
| Columna | Función | Ejemplo |
|---|---|---|
| order_id | Número de pedido como cadena | O-1001 |
| customer | Nombre del cliente como cadena | Alpha |
| item | Artículo como cadena | Sensor |
| quantity | Cantidad como entero positivo | 2 |
Se omiten las filas completamente vacías. Si falta algún valor o hay una fórmula, el programa se detiene. El número de pedido, el nombre del cliente y el artículo deben ser cadenas no vacías; los números de pedido introducidos como valores numéricos no se convierten automáticamente en texto.
python --version
python -m pip install -r requirements.txt
python example.pyLa instalación requiere conexión a Internet. BASE establece las rutas de entrada y salida a partir de la ubicación de example.py, no de la ubicación actual de la terminal.
Se abre el original en modo de solo lectura con load_workbook y se cuenta cada aparición de una fila con Counter. Los números de fila del Excel original se registran mediante enumerate con start=2. Los resultados se guardan en un nuevo Workbook, por lo que no se vuelve a guardar el archivo original.
"""Find repeated business rows. Keep the source workbook unchanged."""
from collections import Counter
from pathlib import Path
from openpyxl import Workbook, load_workbook
from openpyxl.styles import Font, PatternFill
BASE = Path(__file__).resolve().parent
HEADERS = ("order_id", "customer", "item", "quantity")
def main():
destination = BASE / "outputs"
if destination.exists():
raise ValueError("outputs already exists; rename it before running again.")
source = load_workbook(BASE / "orders.xlsx", read_only=True, data_only=False)
try:
if "Orders" not in source.sheetnames:
raise ValueError("Orders sheet is missing.")
worksheet = source["Orders"]
rows = list(worksheet.iter_rows(values_only=True))
if not rows or tuple(rows[0]) != HEADERS:
raise ValueError(f"Expected headers: {HEADERS}")
records = []
for row_number, row in enumerate(rows[1:], start=2):
if all(value is None for value in row):
continue
if any(value is None for value in row):
raise ValueError(f"Row {row_number}: missing value.")
if any(isinstance(value, str) and value.startswith("=") for value in row):
raise ValueError(f"Row {row_number}: formulas are not supported.")
if not all(isinstance(value, str) and value.strip() for value in row[:3]):
raise ValueError(f"Row {row_number}: first three fields must be text.")
if type(row[3]) is not int or row[3] <= 0:
raise ValueError(f"Row {row_number}: quantity must be a positive integer.")
records.append((row_number, tuple(row)))
if not records:
raise ValueError("No data rows were found.")
finally:
source.close()
counts = Counter(row for _, row in records)
repeated = [(number, row) for number, row in records if counts[row] > 1]
unique = [(number, row) for number, row in records if counts[row] == 1]
book = Workbook()
book.remove(book.active)
for name, selected in (("Duplicates", repeated), ("Unique", unique)):
sheet = book.create_sheet(name)
sheet.append(("source_row", *HEADERS, "occurrences"))
for number, row in selected:
sheet.append((number, *row, counts[row]))
sheet.freeze_panes = "A2"
sheet.auto_filter.ref = sheet.dimensions
sheet.sheet_view.showGridLines = False
for cell in sheet[1]:
cell.font = Font(name="Arial", bold=True, color="FFFFFF")
cell.fill = PatternFill("solid", fgColor="243B53")
for column, width in zip("ABCDEF", (14, 16, 18, 20, 14, 16)):
sheet.column_dimensions[column].width = width
destination.mkdir(exist_ok=False)
book.save(destination / "duplicate_review.xlsx")
book.close()
groups = sum(count > 1 for count in counts.values())
print(f"Input rows: {len(records)}; duplicate groups: {groups}")
print(f"Duplicate rows: {len(repeated)}; unique rows: {len(unique)}")
print("Created outputs/duplicate_review.xlsx (source unchanged).")
if __name__ == "__main__":
try:
main()
except (OSError, ValueError) as error:
raise SystemExit(f"Stopped: {error}") from error
Se crean las hojas Duplicates y Unique en outputs/duplicate_review.xlsx. source_row es el número de fila del Excel original, y occurrences indica cuántas veces aparece el mismo contenido en toda la entrada.
| Concepto | Resultado con los datos incluidos |
|---|---|
| Filas de datos de entrada | 8 |
| Grupos de duplicados | 2 |
| Filas de Duplicates | 4 (filas originales 2, 3, 5, 8) |
| Filas de Unique | 4 (filas originales 4, 6, 7, 9) |
Las 4 filas de Duplicates no significan que deban eliminarse 4 filas. Si se conserva una por grupo, hay 2 filas adicionales, pero debes revisar el original antes de decidir cuáles mantener.
| Mensaje o síntoma | Qué comprobar |
|---|---|
| Orders sheet is missing | Asegúrate de que la hoja original se llame Orders. |
| Expected headers | Comprueba los nombres, el orden y las columnas adicionales. |
| missing value / formulas are not supported | Revisa la fila original indicada y prepara valores en lugar de fórmulas. |
| quantity must be a positive integer | Introduce la cantidad como un entero de 1 o más. |
| outputs already exists | Guarda la carpeta de resultados anterior con otro nombre. |
| ModuleNotFoundError | Instala los paquetes de requirements.txt usando el mismo python con el que ejecutas el código. |
Windows 11 (10.0.26200), CPython 3.12.14 (64 bits). openpyxl 3.1.5, Matplotlib 3.10.8. Las versiones de las bibliotecas usadas en cada ejemplo están fijadas en requirements.txt.
Incluye código, datos de entrada e instrucciones de ejecución. Extrae el ZIP y lee primero README.txt.
Descargar ZIP de ejemploEl código de ejemplo, los nombres de archivo y las claves de entrada se mantienen como en el original. Consulta también los comandos y los pasos de comprobación del texto traducido.
Material de práctica original · Guarda los archivos originales por separado antes de ejecutarlo.
Las explicaciones y los ejemplos son de elaboración propia. Puedes consultar los comportamientos y conceptos relacionados en las siguientes fuentes oficiales.