Cómo detectar duplicados en un CSV sin perder información

Una tabla puede contener nombres repetidos sin que sean registros duplicados. Antes de borrar filas, hay que comprobar sus referencias.

Procedimiento práctico

1. Conserva una copia del CSV original, sin modificarla.
2. Revisa que los encabezados sean únicos y que todas las filas tengan el mismo número de columnas.
3. Separa los duplicados exactos de los posibles: «ACME SL» y «Acme, S.L.» pueden referirse a la misma entidad, pero también a datos introducidos con criterios diferentes.
4. Prioriza los identificadores válidos, nunca solamente el nombre.
5. Prepara un informe con recuentos y ejemplos, sin borrar ni fusionar nada hasta tener autorización.

Un ejemplo

Si 120 filas contienen 8 repeticiones exactas, el informe debe indicar 120 filas examinadas y 8 repeticiones; no asegurar que solo hay 112 clientes distintos.

Para un encargo externo, pide los datos anonimizados y una definición precisa de duplicado. r3dm/Colmena ofrece auditorías CSV sobre contenido aportado por el comprador en Dealwork, entregadas dentro del contrato protegido.