DeepSeek Excel 去重怎么做？按编号保留最新记录并导出复核表

Excel 里同一个客户编号有多条记录时，先确认“重复”的业务含义，再让 DeepSeek 辅助写代码：本例按客户编号去重，保留更新时间最新的一条，同时把被排除的记录导出，供人工复核。

准备输入与运行环境

需要 Python 3.11，以及通过 python -m pip install pandas openpyxl 安装的依赖。本例在脚本中创建虚构客户表，编号按文本保存；真实表先复制到测试目录，不覆盖原件。更新时间统一使用年-月-日格式。

给 DeepSeek 的任务说明

请用 pandas 处理客户表。列为 customer_id、updated_at、amount；customer_id 是文本。按 customer_id 保留 updated_at 最新的一行。空编号、无效日期要停止；同一编号同一更新时间出现多行要停止供人工裁决。输出 kept 和 removed 两个工作表，并断言原始行数=保留行数+移除行数。不要改原文件。

在本地运行与检查

将下面代码保存为 example_01.py。进入保存该文件的目录，在终端执行 python example_01.py。代码应由你检查后执行，按实际字段修改。

from pathlib import Path
import pandas as pd

out = Path("dedup_review.xlsx")
if out.exists():
    raise FileExistsError("输出已存在，请换新文件名")
df = pd.DataFrame({"customer_id": ["001", "001", "002"],
                   "updated_at": ["2026-09-01", "2026-09-03", "2026-09-02"],
                   "amount": [100, 120, 80]})
# 处理自己的文件时，用 read_excel(..., dtype={"customer_id": "string"}) 替换上面。
df["customer_id"] = df["customer_id"].astype("string").str.strip()
if df["customer_id"].isna().any() or df["customer_id"].eq("").any():
    raise ValueError("有空编号，需要先处理")
df["updated_at"] = pd.to_datetime(df["updated_at"], format="%Y-%m-%d", errors="raise")
if df.duplicated(["customer_id", "updated_at"], keep=False).any():
    raise ValueError("同编号同时间存在冲突，请人工裁决")
ordered = df.sort_values("updated_at", kind="stable")
kept = ordered.drop_duplicates("customer_id", keep="last")
removed = ordered.loc[~ordered.index.isin(kept.index)]
assert len(df) == len(kept) + len(removed)
assert kept["customer_id"].is_unique
with pd.ExcelWriter(out, engine="openpyxl") as writer:
    kept.to_excel(writer, sheet_name="kept", index=False)
    removed.to_excel(writer, sheet_name="removed", index=False)
print("input", len(df), "kept", len(kept), "removed", len(removed))
print(out.resolve())

为什么先排序再去重

keep="last" 保留当前排序下最后一行，不代表自动识别最新日期。因此先解析日期、检查冲突，再升序排序。Excel 原行顺序变化不应改变保留规则。

换成自己的工作簿

读取前确认编号列在 Excel 中本来就是文本；如果 Excel 已把 001 变成数字 1，读取时指定字符串不能恢复丢失的零。字段名需与实际表一致。金额不同不必然说明记录重复，只有业务确认同一编号代表同一实体时才使用本规则。

怎样确认结果正确

示例应打印 input 3 kept 2 removed 1。打开 dedup_review.xlsx，kept 中 001 应保留 2026-09-03、金额 120，removed 中应有旧的金额 100；002 保留。再核对两个工作表行数之和为 3。真实表抽查日期相同、编号缺失及多次更新的记录。

适用边界与常见问题

这是人为构造的数据与规则演示，不是实际客户数据。相同更新时间的冲突会停止处理；每一行都代表独立订单的表不能按客户编号去重。模型建议无法替你定义业务主键，操作前由业务人员确认保留规则。

资料依据

接口说明核验日期：2026 年 10 月 1 日。pandas 去重接口；pandas Excel 读写；日期解析接口。