### 使用Python处理XLS文件中的电话号码去重 为了实现这一目标，可以采用`pandas`库来简化数据的操作过程。以下是具体方法： #### 导入库 首先需要安装并导入必要的库。由于提到的是`.xls`格式而非`.xlsx`，这里推荐使用`xlrd`作为读取工具之一。 ```bash pip install pandas xlrd openpyxl ``` 接着，在脚本中引入这些模块： ```python import pandas as pd from pandas import ExcelWriter ``` #### 加载数据 定义一个函数用来加载来自不同源的数据框，并指定要关注的具体列名——即‘电话’和‘电话号码’: ```python def load_data(file_path, sheet_name=0): df = pd.read_excel(file_path, sheet_name=sheet_name)[['电话', '电话号码']] return df.dropna(how='all') # 去除全为空白的行[^1] ``` #### 数据清洗与准备 创建一个新的DataFrame用于存储最终的结果集；同时遍历两个输入文件的内容，合并它们的同时标记原始来源以便后续分析： ```python dataframes = [] for file in ['file1.xls', 'file2.xls']: temp_df = load_data(file) temp_df['source'] = file.split('.')[0] # 添加来源标识 dataframes.append(temp_df) combined_df = pd.concat(dataframes).reset_index(drop=True) ``` #### 处理重复项 利用`drop_duplicates()`函数基于特定字段组合去除冗余记录。考虑到可能存在的拼写差异或其他形式上的不一致，建议先标准化所有手机号码再执行此操作： ```python # 清洗电话号码字符串，移除非数字字符 cleaned_numbers = combined_df['电话'].str.replace(r'\D+', '', regex=True) \ .fillna(combined_df['电话号码'].str.replace(r'\D+', '', regex=True)) combined_df.insert(2, "CleanedNumber", cleaned_numbers.astype(str)) unique_records = combined_df.drop_duplicates(subset=["CleanedNumber"])\ [['电话', '电话号码']] # 只保留原两列输出[^3] ``` #### 输出结果至新文件 最后一步就是把清理后的数据存回Excel文档里： ```python with ExcelWriter('output.xlsx', engine='openpyxl') as writer: unique_records.to_excel(writer, index=False, sheet_name="UniquePhoneNumbers") ``` 上述流程能够有效地完成对多个XLS文件内电话信息的提取、对比以及去重的任务，并将不含任何重复联系人的列表另存为新的电子表格文件。