Cum să eliminați în siguranță datele duplicate din Excel

Imaginați-vă un contabil care are un fișier exportat cu 12.000 de rânduri reprezentând comenzile clienților. Doi clienți au același nume de familie, câteva comenzi se repetă deoarece exportul s-a rulat de două ori, iar printre acestea se află și înregistrări care doar par a fi duplicate. Ea selectează întreaga foaie, dă clic pe „Eliminare duplicate”, iar Excel raportează cu entuziasm: „347 de valori duplicate găsite și eliminate”. Totul se face în câteva secunde. Doar că aproximativ 90 dintre acestea nu erau deloc duplicate, iar acum au dispărut.

Asta e capcana. Procesul de eliminare în siguranță a duplicatelor din Excel începe înainte chiar de a apăsa butonul. Funcția „Eliminare duplicate” acționează rapid, are efect permanent și nu oferă nicio indicație cu privire la ce anume compară de fapt.

Majoritatea ghidurilor trec direct la acel buton. Ceea ce omit este partea care îți salvează datele: verifică înainte de a șterge. Selectează mai întâi, verifică ce consideră Excel că este un duplicat, apoi șterge. Așadar, hai să parcurgem pașii cum trebuie.

De ce sfaturile obișnuite îi costă pe oameni datele lor

Majoritatea tutorialelor se rezumă la vreo trei propoziții. Selectează datele, accesează fila „Date”, apoi dă clic pe „Eliminare duplicate”. Din punct de vedere tehnic, este corect. Din punct de vedere practic, este periculos.

Aici se acumulează două probleme. În primul rând, acțiunea este distructivă. Excel nu mută duplicatele într-o foaie separată și nici nu le marchează pentru verificare – șterge rândurile și deplasează totul mai sus. Dacă salvați și închideți, a doua zi dimineață nu veți mai avea la dispoziție opțiunea de a anula operațiunea.

În al doilea rând, și acesta este aspectul pe care nimeni nu îl explică, coloanele pe care le bifați în fereastra de dialog determină ce anume este considerat duplicat. Această singură alegere schimbă întregul rezultat. Dacă bifați doar coloana „E-mail”, Excel tratează două rânduri ca fiind identice dacă adresele de e-mail se potrivesc, chiar și atunci când numele, datele comenzilor și sumele sunt complet diferite. Păstrează primul rând, elimină restul, iar comenzile reale dispar.

Chiar și în propriile instrucțiuni, Microsoft recunoaște că eliminarea duplicatelor duce la ștergerea definitivă a datelor, motiv pentru care serviciul de asistență Microsoft recomandă copierea intervalului de celule într-o altă foaie de calcul înainte de a rula instrumentul. Un obicei bun. Aproape nimeni nu îl respectă.

Iată metoda care îți protejează cu adevărat datele. Durează poate două minute în plus, dar înseamnă că nu se șterge nimic fără să ai ocazia să vezi mai întâi.

Pasul 1 – Identificarea valorilor duplicate în Excel cu ajutorul formatării condiționale

Înainte de a efectua orice operațiune care ar putea duce la pierderi de date, faceți vizibile valorile duplicate. Selectați intervalul dorit, apoi accesați meniul „Acasă” (Home) > „Formatare condiționată” (Conditional Formatting) > „Reguli de evidențiere a celulelor” (Highlight Cells Rules) > „Valori duplicate” (Duplicate Values). Alegeți o culoare de umplere și confirmați.

Excel evidențiază fiecare valoare duplicată. Este cea mai rapidă metodă de a identifica duplicatele fără a modifica nicio celulă, iar operațiunea este complet reversibilă. Nu îți place ce vezi? Șterge regula. Nu s-a modificat nimic.

Un aspect important de reținut în legătură cu funcția de evidențiere: aceasta funcționează coloană cu coloană, indiferent de celulele selectate. Dacă evidențiați o singură coloană, Excel va marca valorile repetate numai în acea coloană. Dacă evidențiați mai multe coloane, fiecare celulă este tratată independent, ceea ce poate părea aglomerat, dar vă indică exact unde se află repetițiile.

Pasul 2 – Verificați înainte de a salva

Parcurgeți celulele evidențiate. Acesta este pasul pe care contabilul l-a omis. Întrebați-vă dacă o valoare evidențiată este într-adevăr un rând duplicat sau doar o valoare care se repetă în mod legitim. Două persoane diferite numite „James Miller” vor apărea amândouă evidențiate dacă selectați coloana cu numele. Niciuna dintre ele nu reprezintă o comandă duplicată.

Această verificare îți permite să faci diferența între „această valoare apare de două ori” și „întregul înregistrare este o copie”. Nu este deloc același lucru – iar funcția „Eliminare duplicate” ia în considerare doar coloanele pe care i le furnizezi.

Pasul 3: Ștergeți, cu coloanele potrivite selectate

Acum ștergi și știi exact ce ștergi. Selectează datele, accesează fila „Date”, apoi opțiunea „Eliminare duplicate”. Fereastra de dialog afișează fiecare coloană însoțită de o casetă de selectare. Această fereastră de dialog este esențială.

Cum alegerea coloanei schimbă totul

Aceasta este partea pe care majoritatea concurenților o omit cu totul, așa că hai să analizăm cu atenție ce se întâmplă.

Atunci când se elimină înregistrările duplicate din mai multe coloane, Excel șterge un rând numai atunci când fiecare coloană bifată se potrivește exact cu un alt rând. Dacă bifați toate coloanele, un rând trebuie să fie o copie identică înainte de a fi eliminat. Aceasta este setarea cea mai sigură, deoarece nu elimină aproape niciodată o înregistrare care diferă în vreun mod semnificativ.

Dacă debifezi coloanele, definiția devine mai puțin strictă. Să presupunem că datele tale conțin „Nume”, „E-mail”, „ID comandă” și „Sumă”. Iată cum se comportă același buton în funcție de ce bifezi:

Observați tiparul. Cu cât sunt bifate mai puține coloane, cu atât ștergerea este mai radicală. Oricine dorește să păstreze fiecare comandă distinctă ar trebui să bifeze toate coloanele care fac ca un rând să fie unic, în timp ce cineva care curăță o simplă listă de distribuție poate bifa în siguranță doar coloana „E-mail” – o adresă de e-mail repetată reprezintă într-adevăr un contact duplicat în acest context.

Regula generală: bifați coloanele care, luate împreună, definesc o înregistrare unică. În cazul comenzilor, acestea sunt de obicei ID-ul comenzii plus câteva câmpuri. Pentru o listă de contacte, ar putea fi doar adresa de e-mail.

Uneori nu vrei deloc să distrugi originalul. Vrei doar să primești separat o listă curată cu valori unice. Există două modalități sigure de a face acest lucru.

Funcția UNIQUE este cea mai simplă soluție, dacă versiunea ta de Excel o suportă. Introdu-o într-o celulă goală și aceasta va genera o listă fără duplicări în celulele învecinate, fără a modifica sursa.

=UNIQUE(A2:A5000)

Datele originale rămân exact acolo unde sunt. Modificați sursa, iar lista unică se actualizează automat. Acesta este marele avantaj față de funcția „Eliminare duplicate” – este o operațiune nedistructivă prin natura sa.

Cealaltă opțiune este „Filtru avansat”. Data > Advanced > „Copiere într-o altă locație” cu opțiunea „Numai înregistrări unice” bifată. Aceasta creează o copie fără duplicări în altă parte a foii de calcul. ExcelDemy prezintă mai multe metode nedistructive, dacă doriți variante, iar DataCamp tratează mai în detaliu abordarea bazată pe funcția UNIQUE. Ambele mențin sursa intactă, ceea ce este esențial.

Soluționarea problemelor legate de capcanele obișnuite

Există câteva aspecte care le dau bătăi de cap oamenilor, chiar și atunci când respectă ordinea.

„Mi-a șters rândurile de care aveam nevoie.” Aproape întotdeauna este vorba de o problemă legată de selectarea coloanelor. Ai bifat prea puține coloane, așa că Excel a făcut potrivirea pe baza unor date parțiale. Nu ai salvat și nu ai închis fișierul? Apasă imediat Ctrl+Z. Ai închis deja fișierul? Atunci vei folosi o copie de rezervă. Tocmai de aceea este important să ai obiceiul de a salva mai întâi.

Duplicatele care nu sunt depistate. De obicei, spații la sfârșitul cuvintelor sau utilizarea inconsecventă a majusculelor. Din punctul de vedere al Excel, „[email protected] ” cu un spațiu nu este echivalent cu „[email protected]”. Aplicați mai întâi funcțiile TRIM și CLEAN pe coloană; în caz contrar, etapa de evidențiere nu le va detecta.

Numere stocate sub formă de text. O valoare formatată ca text și aceeași valoare sub formă de număr nu se vor potrivi. Convertiți coloana într-un singur format uniform înainte de a elimina duplicatele; în caz contrar, veți obține rezultate false negative.

Celulele combinate generează erori. Funcția „Eliminare duplicate” nu funcționează pe intervale care conțin celule îmbinate. Desfaceți mai întâi îmbinarea.

Eliminarea duplicatelor în Excel șterge întregul rând sau doar celula respectivă?
Întregul rând. Excel șterge întregul înregistrare și deplasează rândurile de dedesubt în sus. Nu golește niciodată o singură celulă, motiv pentru care selectarea coloanelor este atât de importantă – potrivirea se face pe coloane, dar ștergerea se face pe rânduri.

Îmi pot recupera datele după ce elimin duplicatele?
Doar folosind Ctrl+Z înainte de a salva și a închide fișierul sau dintr-o copie de rezervă salvată. Odată ce fișierul este închis, nu mai există nicio posibilitate de recuperare. Copiați mai întâi intervalul selectat într-o altă foaie de calcul, ca măsură de siguranță.

Cum pot evidenția valorile duplicate în loc să le șterg?
Pagina principală > Formatare condiționată > Reguli de evidențiere a celulelor > Valori duplicate. Această funcție colorează fiecare valoare repetată fără a modifica datele, iar regula poate fi dezactivată oricând. Este cea mai sigură metodă de identificare a valorilor duplicate oferită de Excel.

Care este diferența dintre opțiunile „UNIQUE” și „Remove Duplicates”?
UNIQUE este o formulă care generează o listă separată de valori unice, calculată în timp real, fără a modifica sursa. Funcția „Eliminare duplicate” modifică definitiv datele în loc. Folosiți UNIQUE atunci când doriți să păstrați originalul.

Cum pot elimina duplicatele din mai multe coloane?
În fereastra de dialog, bifați fiecare coloană care, împreună cu celelalte, definește o înregistrare unică. Excel șterge un rând numai atunci când toate coloanele bifate se potrivesc exact cu cele dintr-un alt rând. Cu cât sunt bifate mai multe coloane, cu atât operațiunea este mai sigură; cu cât sunt bifate mai puține, cu atât operațiunea este mai agresivă.

Versiunea scurtă

Funcția „Eliminare duplicate” nu este dușmanul. Problema este să o folosești fără să verifici. Evidențiați duplicatele cu ajutorul formatării condiționale, astfel încât să le puteți vedea cu adevărat, verificați dacă sunt duplicatele reale sau doar valori repetate, apoi ștergeți-le bifând coloanele corespunzătoare. Și copiați întotdeauna datele într-o altă foaie de calcul înainte, deoarece instrumentul nu oferă o a doua șansă odată ce fișierul este închis.

Iată cum poți elimina duplicatele din Excel fără a șterge datele de care ai nevoie.

Aceeași atenție trebuie acordată și software-ului pe care rulezi toate acestea. O copie originală și licențiată corespunzător a pachetului Office înseamnă că formulele tale, funcțiile precum UNIQUE și fișierele tale se comportă exact așa cum este descris în documentație.