多个月 Excel 客户名单合并去重：按手机号保留最新一条
场景：8月、10月两份客户登记表，同一个手机号出现两次，要合并成一份"每人只留最新一条"的名单。听起来就是 drop_duplicates 一行的事，但我们实跑踩了三个会让结果悄悄错的坑——不报错、不崩溃，只是留下错的记录，你根本发现不了。
完整脚本（已实测）
"""合并多个月份的 Excel 后按关键列去重，保留最新一条。
用法：python dedup_keep_latest.py [输入目录] [输出xlsx] [关键列] [日期列]"""
import sys, glob, os
import pandas as pd
src = sys.argv[1] if len(sys.argv) > 1 else "."
out = sys.argv[2] if len(sys.argv) > 2 else "dedup.xlsx"
KEY = sys.argv[3] if len(sys.argv) > 3 else "手机号"
DATE = sys.argv[4] if len(sys.argv) > 4 else "登记日期"
frames = []
for f in sorted(glob.glob(os.path.join(src, "*.xlsx"))):
if os.path.basename(f) == os.path.basename(out): # 防止把上次的输出又吃进来
continue
frames.append(pd.read_excel(f))
merged = pd.concat(frames, ignore_index=True)
n0 = len(merged)
merged[DATE] = pd.to_datetime(merged[DATE]) # 日期列转真日期，字符串排序才不出"2026-9-5"排错
merged = (merged.sort_values(DATE)
.drop_duplicates(subset=[KEY], keep="last") # 排序后留最后一条=最新
.sort_values(DATE, kind="stable"))
merged.to_excel(out, index=False)
print(f"{len(frames)} 个文件共 {n0} 行, 按[{KEY}]去重保留[{DATE}]最新 -> {len(merged)} 行 -> {out}")实测结果
两份测试表（8月3行 + 10月3行），张三在两份里都有：
2 个文件共 6 行, 按[手机号]去重保留[登记日期]最新 -> 4 行
13800000003 王五 2026-08-20 八月导入
13800000002 李四 2026-09-28 九月末更新
13800000001 张三 2026-10-01 十月更新-最新 ← 9月那条被正确丢弃
13800000004 赵六 2026-10-02三个实跑踩出的坑（都是"悄悄错"）
坑1：日期是字符串时，排序结果是错的
Excel 里"2026-9-30"读进来是字符串。字符串排序里 '2026-9-30' > '2026-10-01'（因为 '9' > '1'），于是 keep="last" 会留下 9月30日 那条、丢掉 10月1日 那条。我们实测：
sorted(['2026-10-1', '2026-9-5']) # -> ['2026-10-1', '2026-9-5'] 字符串眼里9排在10后面！
# 不加 to_datetime：留的是 2026-9-30 那条（错）
# 加 pd.to_datetime：留的是 2026-10-01 那条（对）坑2：日期为空的行会抢走"最新"位置
pd.to_datetime 把空值变 NaT，NaT 在 sort_values 里排在最后，keep="last" 就留下了那条日期空白的记录。实测输出：日期为空时留: 日期空。如果"空日期"意味着"很老的数据"，正确做法是先 dropna(subset=[DATE]) 或把 NaT 行排最前。
坑3：输出文件混进输入目录，下次跑会自我污染
如果输出也写到同一个目录，第二次运行会把上次的输出当输入再吃一遍。脚本里用 os.path.basename(f) == os.path.basename(out) 跳过——一行代码，省掉一次"数据翻倍"事故。
不想自己跑？
如果你手上有几份乱糟糟的名单/流水表需要清理合并，懒得配环境踩坑，我们提供代做服务：你把文件发到对话里，处理好的 Excel 直接回传给你，¥19.9/次。点这里下单 →（先在对话里说明需求再付款也可以喵）
虚拟物品交付后不退款；未收到或未达承诺免费补发/重做。