33 lines
1.1 KiB
Python
33 lines
1.1 KiB
Python
import pandas as pd
|
|
|
|
# 1. Definir los nombres de los archivos
|
|
archivo_entrada = 'Contactos_2602026_totales.xlsx'
|
|
archivo_salida = 'Contactos_2602026_Limpios.xlsx'
|
|
|
|
print(f"Cargando el archivo: {archivo_entrada}...")
|
|
|
|
# 2. Leer el archivo Excel
|
|
# Asumimos que los datos están en la primera hoja (Sheet1)
|
|
df = pd.read_excel(archivo_entrada)
|
|
|
|
# Contar cuántos registros hay inicialmente
|
|
total_inicial = len(df)
|
|
print(f"Registros iniciales encontrados: {total_inicial}")
|
|
|
|
# 3. Eliminar duplicados basados en la columna 'email'
|
|
# keep='first' conserva la primera aparición del correo y elimina las siguientes
|
|
df_limpio = df.drop_duplicates(subset=['email'], keep='first')
|
|
|
|
# Contar cuántos registros quedaron y cuántos se eliminaron
|
|
total_final = len(df_limpio)
|
|
duplicados_eliminados = total_inicial - total_final
|
|
|
|
print(f"Se han eliminado {duplicados_eliminados} contactos duplicados.")
|
|
print(f"Registros finales únicos: {total_final}")
|
|
|
|
# 4. Exportar el resultado a un nuevo archivo Excel
|
|
print("Guardando el nuevo archivo limpio...")
|
|
df_limpio.to_excel(archivo_salida, index=False)
|
|
|
|
print(f"¡Proceso completado! Archivo guardado como: {archivo_salida}")
|