ChatGPT மூலம் Excel Duplicate Rows கண்டுபிடிப்பது எப்படி? Safe CSV Cleanup Tamil Guide – 2026

 

ChatGPT மூலம் Excel Duplicate Rows கண்டுபிடிப்பது எப்படி? Safe CSV Cleanup Tamil Guide – 2026

Excelல் ஒரே product code இரண்டு முறை இருக்கிறது என்பதற்காக ஒரு rowஐ delete செய்துவிடுகிறீர்களா? அந்த இரண்டு rows வேறு கடைகள் அல்லது storage locationsக்கான recordsஆக இருந்தால், சரியான dataயையே இழக்கலாம். Duplicate cleanupல் முக்கியமான கேள்வி “எத்தனை rows நீக்கினோம்?” என்பது மட்டும் அல்ல. “எந்த விதியின் அடிப்படையில் நீக்கினோம்?” என்பதுதான்.

இந்த guideக்காக 10 fictional inventory records உருவாக்கி இரண்டு cleanup rules சோதிக்கப்பட்டன. SKU மட்டும் பார்த்த முறையில் ஒரு சரியான record காணாமல் போனது. நான்கு columnsயும் ஒப்பிட்ட முறையில் எதிர்பார்த்த இரண்டு repeated records மட்டும் நீங்கின. அந்த before–after resultஐ முழுமையாகப் பார்ப்போம்.

ChatGPT Excel duplicate rows, CSV data cleaning, Excel duplicate remove போன்றவற்றைத் தேடும் beginnersக்கு இந்த walkthrough உதவும். Copy செய்யக்கூடிய sample data, audit prompt, correction prompt, Excelல் review செய்யும் வழி ஆகியவை உள்ளன. Original fileஐ மாற்றுவதற்கு முன் விதியும் resultமும் சரியா என்று பார்ப்பதே இந்த workflowன் நோக்கம்.

Stationery கடையில் notebook stockஐ paper recordஉடன் சரிபார்க்கும் கடை உரிமையாளர்.

ஒரே Value இருப்பதும் Duplicate Record இருப்பதும் ஒன்றல்ல

ஒரு productக்கு இரண்டு locationsல் stock இருப்பது சாதாரணம். ஒரே customer பல orders செய்திருக்கலாம். ஒரே dateல் பல transactions நடந்திருக்கும். எனவே product name, customer name அல்லது date மட்டும் repeat ஆனதால் முழு row தேவையற்றது என்று முடிவு செய்ய முடியாது. உங்கள் data என்ன record செய்கிறது என்பதை முதலில் புரிந்துகொள்ளுங்கள்.

இந்த example ஒரு குறிப்பிட்ட நேரத்தில் export செய்யப்பட்ட inventory snapshot என்று வைத்துக்கொள்கிறோம். அதில் SKU, Product, Qty, Location ஆகிய நான்கு fieldsவும் முழுமையாக match ஆனால் repeated export record என்று கருதுவதாக விதி வைத்திருக்கிறோம். இது எல்லா inventory systemsக்கும் பொதுவான business rule அல்ல; இந்தச் சோதனையின் explicit assumption.

Real fileல் ஒரே மாதிரி rows கூட உண்மையான இரண்டு eventsஆக இருக்கலாம். அப்படியானால் transaction ID, timestamp அல்லது source reference தேவைப்படும். அந்த identifiers இல்லாமல் “same values என்றால் delete” என்று தானாகச் செயல்பட வேண்டாம். Recordன் பொருள் தெளிவில்லையென்றால் முதலில் அதை source ownerஉடன் உறுதிசெய்யுங்கள்.

Practiceக்கு இந்த 10 Records பயன்படுத்தலாம்

கீழே header தவிர்த்து 10 data records உள்ளன. SKU codesல் ஆரம்பத்தில் இரண்டு zeros உள்ளன. அவற்றை numbersஆகக் கணக்கிட வேண்டியதில்லை; identifiersஆக வைத்திருக்க வேண்டும். இதில் personal details அல்லது உண்மையான business records இல்லை. Copy செய்து ஒரு practice sheetல் பயன்படுத்தலாம்; உங்கள் master dataக்கு பதிலாக இதிலேயே முதலில் முயற்சி செய்யுங்கள்.

SKU,Product,Qty,Location
00102,Notebook,12,A1
00103,Pen,50,A2
00102,Notebook,12,A1
00104,Marker,8,B1
00103,Pen,20,B2
00105,Folder,15,B3
00104,Marker,8,B1
00106,Tape,6,C1
00107,Stapler,3,C2
00108,Pencil,40,C3

இங்கு record 3 என்பது record 1ன் repeat. Record 7 என்பது record 4ன் repeat. ஆனால் record 2 மற்றும் record 5 இரண்டிலும் SKU 00103 இருந்தாலும் quantities மற்றும் locations வேறாக உள்ளன. இந்த இரண்டையும் வைத்திருக்க வேண்டும் என்பதே நமது rule. இங்கு record number என்பது headerஐத் தவிர்த்த எண்ணிக்கை.

முதலில் Original Copyஐப் பாதுகாத்துக்கொள்ளுங்கள்

Cleanupக்கு முன் original fileக்கு ஒரு backup copy உருவாக்குங்கள். Working copyக்கு வேறு filename வைத்துக்கொள்ளுங்கள். Deleted rows தனியாகப் பார்க்க முடியும் வகையில் removal log கேட்பதும் உதவும். ஒரு row ஏன் நீக்கப்பட்டது என்ற கேள்விக்கு பின்னர் பதில் சொல்ல முடிய வேண்டும்; row count மட்டும் அந்த விளக்கத்தைத் தராது.

Microsoft guidanceவும் Remove Duplicates செய்வதற்கு முன் original data copy வைத்துக்கொள்ளச் சொல்கிறது. இந்த நடவடிக்கை selected rangeலிருந்து recordsஐ நீக்கும் என்பதால் முன்னதாக review செய்வது முக்கியம். Sheetல் formula, subtotal அல்லது unrelated data இருந்தால் இந்த sample போல எளிதாக இருப்பதாகக் கருதாமல் selectionஐப் பரிசீலியுங்கள்.

ChatGPTக்கு முதலில் Audit Prompt கொடுங்கள்

“Duplicates remove செய்” என்று மட்டும் கேட்காமல் rule எழுதுங்கள். உதாரண prompt: “இந்த fictional CSVஐ audit செய். SKUஐ textஆகப் பாதுகாத்து, initial zeros மாற்றாதே. SKU, Product, Qty, Location நான்கும் exact match ஆன records மட்டும் duplicate candidates. இப்போது rows delete செய்யாதே; repeated groups மற்றும் row references மட்டும் காட்டு.”

அடுத்த instruction: “ஒரே SKU இருந்தாலும் Qty அல்லது Location வேறாக இருந்தால் legitimate separate recordஆக வைத்திரு. Missing values, spaces அல்லது capitalization பிரச்சினை இருந்தால் தனியாகக் குறிப்பிடு. அவற்றைத் தானாக normalise செய்யாதே. Applied comparison rule மற்றும் row numbering headerஐ உள்ளடக்குகிறதா என்பதையும் தெளிவாகச் சொல்.”

File analysis வசதி உங்கள் accountல் இருந்தால் structured CSV அல்லது spreadsheet upload செய்யலாம். OpenAI guidanceப்படி clear column headers மற்றும் ஒவ்வொரு recordக்கும் ஒரு row இருப்பது உதவும். கிடைக்கும் capabilities accountக்கு ஏற்ப மாறலாம். சிறிய fictional exampleக்கு textஆக paste செய்வதும் rule விளக்குவதற்கான ஒரு வழி; பெரிய dataக்கு structured file உதவும்.

இந்த Sampleல் எதிர்பார்க்கும் Audit Result

Raw count 10 records. முழுமையாக match ஆகும் repeated groups இரண்டு. ஒவ்வொரு groupலும் முதல் occurrence வைத்துக்கொண்டு அடுத்த repeat நீக்கினால் retained count 8. Notebook 00102, Qty 12, Location A1 என்ற record ஒருமுறையும் Marker 00104, Qty 8, Location B1 என்ற record ஒருமுறையும் மீதமிருக்க வேண்டும்.

Pen 00103க்கு A2 locationல் Qty 50, B2 locationல் Qty 20 என்ற இரு records தொடர வேண்டும். Clean resultல் இந்த இரண்டையும் தேடிப் பாருங்கள். இது sampleன் முக்கியமான retention check. சரியான count கிடைத்தாலும் தவறான row நீங்கியிருக்கலாம் என்பதால் specific recordsஐப் பார்ப்பது அவசியம்.

தவறான Ruleஐச் சோதித்தபோது என்ன நடந்தது?

இந்த guideக்கான local code testல் SKU மட்டும் keyஆக வைத்து first occurrence வைத்துப் பார்த்தோம். Result 7 records; Qty total 134. நமது all-columns rule எதிர்பார்த்தது 8 records மற்றும் total 154. Missing difference 20 என்பது B2 locationல் இருந்த Pen record. அந்த record வேறு locationக்கானதால் வைத்திருக்க வேண்டியது.

இதை ChatGPT உண்மையில் செய்த தவறு என்று கூறவில்லை. Wrong ruleன் விளைவைத் தெளிவாக்க deliberately சோதித்த comparison இது. AIயோ Excelயோ நீங்கள் கொடுத்த key அடிப்படையில் சரியாகச் செயல்பட்டாலும் business intent தவறாக இருக்கலாம். எனவே toolயின் வேகத்தைவிட comparison rule சரியா என்பதை முதலில் தீர்மானியுங்கள்.


 

Ruleஐத் திருத்திய பிறகு கிடைத்த Result

Corrected testல் நான்கு fields இணைந்த exact key பயன்படுத்தப்பட்டது. Input order பாதுகாக்கப்பட்டு முதல் occurrence வைத்துக்கொள்ளப்பட்டது. Record 3 மற்றும் record 7 மட்டும் removed logல் வந்தன. Final count 8, Qty total 154; ஆரம்ப zeros கொண்ட SKU stringsவும் மாறாமல் இருந்தன. இவை code execution மூலம் சரிபார்க்கப்பட்ட முடிவுகள்.

Original Qty total 174. நீக்கப்பட்ட repeated quantities 12 மற்றும் 8; எனவே 174 minus 20 என்பது 154. இந்த arithmetic check result consistentஆக இருப்பதைக் காட்டுகிறது. ஆனால் உண்மையான கடையில் 154 பொருட்கள்தான் உள்ளன என்று இது நிரூபிக்கவில்லை. Physical stock, missing entries அல்லது source accuracy இந்தச் சோதனையில் பரிசோதிக்கப்படவில்லை.

Copy செய்யக்கூடிய Correction Prompt

“SKU மட்டும் வைத்து நீக்கும் ruleஐப் பயன்படுத்தாதே. SKU, Product, Qty, Location நான்கும் match ஆன repeats மட்டும் நீக்கு. Original input orderல் முதல் occurrence வைத்திரு. Cleaned copy மற்றும் removed rows log தனியாகக் கொடு. Changed values இருக்கக்கூடாது. Expected checks: 10 input records, 2 removed, 8 retained.”

மேலும் சேர்க்கலாம்: “00103 Pen A2 Qty 50 மற்றும் 00103 Pen B2 Qty 20 இரண்டும் retained outputல் இருக்க வேண்டும். Qty total 154 வருகிறதா கணக்கிட்டு காட்டு. இந்த expected valuesக்கு match செய்வதற்காக data மாற்றாதே; mismatch இருந்தால் காரணத்தை விளக்கு. Assumptions மற்றும் பயன்படுத்திய code இருந்தால் reviewக்கு வழங்கு.”

Expected answer கொடுப்பது fileஐ அதற்கேற்ப மாற்ற அனுமதி கொடுப்பதல்ல. இந்த sampleல் நாமே சரிபார்த்த result இருப்பதால் checks சொல்ல முடிகிறது. Real fileல் result தெரியாவிட்டால் source-based checks கேளுங்கள். AI சொன்ன totalஐ அதே AIயின் மற்றொரு summary மட்டும் வைத்து உறுதிசெய்யாமல் original valuesஉடன் ஒப்பிடுங்கள்.

Excelல் அதே Ruleஐ Review செய்வது எப்படி?

Practice copyல் header மற்றும் நான்கு columns உள்ள data range தேர்வு செய்யுங்கள். Data பகுதியில் Remove Duplicates திறந்து comparisonக்கு SKU, Product, Qty, Location அனைத்தும் selectedஆக உள்ளனவா பாருங்கள். Header option சரியாக அமைந்துள்ளதா உறுதிசெய்யுங்கள். உங்கள் Excel versionல் wording அல்லது menu arrangement சிறிது மாறலாம்.

Microsoft விளக்கப்படி தேர்ந்தெடுத்த columns duplicate keyஐ முடிவு செய்கின்றன; match கிடைத்தால் rangeல் உள்ள முழு record நீங்கும். SKU மட்டும் தேர்வு செய்தால் Location தேர்வு செய்யப்படவில்லை என்பதால் அது பாதுகாக்கப்படும் என்று நினைக்க வேண்டாம். இந்த distinctionதான் sampleல் legitimate Pen record இழக்கப்படுவதற்கான காரணம்.

Leading Zerosஐ ஏன் பாதுகாக்க வேண்டும்?

00102 என்பது product code; அதை 102 என்று மாற்றினால் மற்றொரு systemல் lookup தவறாகலாம். Excel numeric interpretation காரணமாக leading zeros நீங்கலாம் என்று Microsoft guidance குறிப்பிடுகிறது. Import செய்யும்போது identifier columnக்கு Text type தேர்வு செய்வது பொருத்தமாக இருக்கலாம். File திறந்த பிறகும் code அப்படியே உள்ளதா பாருங்கள்.

Zero ஏற்கெனவே நீங்கிவிட்டால் ஊகித்து மீண்டும் சேர்க்க வேண்டாம். எல்லா codesக்கும் ஒரே length இருக்கிறதா என்பதை source specification உறுதிசெய்ய வேண்டும். Format appearance மாற்றுவதும் actual stored value பாதுகாப்பதும் வேறாக இருக்கலாம். Export செய்து வேறு systemக்கு அனுப்பும் workflow என்றால் அந்த downstream fileயும் பரிசீலியுங்கள்.

Spaces மற்றும் Similar Namesஐத் தானாக Merge செய்யாதீர்கள்

“Pen” மற்றும் “Pen ” ஒரே productஆக இருக்கலாம்; trailing space பிரச்சினையாக இருக்கலாம். ஆனால் அதைச் சரிசெய்வது duplicate detectionக்கு முன் வேறு normalization முடிவு. Exact-match auditக்குள் அதைப் பதுங்கிச் செய்யாமல் separate candidatesஆகக் காட்டச் சொல்லுங்கள். Source meaning உறுதிசெய்த பிறகு cleaning ruleக்கு சேர்க்கலாம்.

அதேபோல் “Blue Pen” மற்றும் “Pen Blue” ஒரே பொருள் என்று name மட்டும் பார்த்து merge செய்யாதீர்கள். Product code, variant அல்லது source catalogue தேவைப்படலாம். Fuzzy matching ஒரு review suggestion உருவாக்க உதவலாம்; delete முடிவிற்கு அது மட்டும் போதாமல் இருக்கலாம். பெயர் ஒத்திருக்கிறது என்பது identity proof அல்ல.

Export செய்த Fileஐ மீண்டும் திறந்து பாருங்கள்

ChatGPT cleaned file வழங்கினாலோ Excelல் save செய்தாலோ resultஐத் திறந்து பாருங்கள். Row count, column count, header names, retained records மற்றும் code formatting சரியா என்று review செய்யுங்கள். CSV exportல் workbook formulas அல்லது sheet formatting அப்படியே இருக்கும் என்று கருத வேண்டாம். தேவையான output formatஐத் தெளிவாகக் குறிப்பிடுங்கள்.

தமிழ் product names இருந்தால் characters சரியாகக் காட்டப்படுகிறதா என்பதையும் பாருங்கள். Download link இருப்பதால் content முழுமையாகச் சரி என்று முடிவு செய்ய வேண்டாம். இந்த sampleல் English product names பயன்படுத்தப்பட்டதால் Tamil encoding ஒரு tested result அல்ல. உங்கள் real fileக்கு அதற்கான தனியான check தேவைப்படும்.

Inventory Ruleஐ Invoice Dataக்கு அப்படியே பயன்படுத்தலாமா?

இந்த guideன் நான்கு-column rule inventory practice sampleக்கானது. Invoice dataல் invoice number மட்டும் பார்த்தால் line items நீங்கக்கூடும். ஒரே invoiceல் பல products இருக்கலாம்; அவை duplicate அல்ல. அங்கே invoice numberஉடன் line-item reference போன்ற fields தேவைப்படலாம். உங்கள் export ஒரு invoiceக்கு ஒரு rowவா அல்லது ஒரு itemக்கு ஒரு rowவா என்று முதலில் பாருங்கள்.

அதனால்தான் இணையத்தில் கிடைக்கும் cleanup promptஐ அப்படியே real fileக்கு apply செய்யக்கூடாது. Sampleஐ மாற்றும்போது columns மட்டும் மாற்றாமல் record meaningயும் retention ruleயும் மாற்றுங்கள். AIயிடம் “இந்த dataவில் ஒரு row என்ன குறிக்கிறது என்பதை விளக்கு; தெரியாவிட்டால் என்னிடம் கேள்” என்று தொடங்கலாம். அந்த விளக்கம் சரியா என்று உறுதிசெய்த பிறகு duplicate candidates கேளுங்கள்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

ChatGPT duplicatesஐ நேரடியாக நீக்கலாமா?

உங்கள் accountல் file analysis வசதி இருந்தால் cleanup உதவி கேட்கலாம். ஆனால் original backup, explicit matching rule, candidate review மற்றும் retained-data checks முதலில் இருக்கட்டும். Simple jobக்கு Excel native tool போதுமானதாகவும் இருக்கலாம். AI பயன்படுத்துவது கட்டாயம் அல்ல; rule விளக்கமும் output reviewவும் முக்கியமானவை.

முதல் Row வைத்திருப்பது எப்போதும் சரியா?

இந்த exampleல் exact repeats என்பதால் input orderல் first occurrence வைத்தோம். Real dataல் newest record அல்லது approved source வைத்திருக்க வேண்டியிருக்கலாம். Timestamp, source priority மற்றும் business meaning பார்த்து retention policy எழுதுங்கள். வெவ்வேறு tools ஒரே default behavior கொண்டிருக்கின்றன என்று கருதாமல் பயன்படுத்திய methodஐ உறுதிசெய்யுங்கள்.

Row Count சரியாக இருந்தால் Cleanup சரியா?

இல்லை. நீக்க வேண்டிய rowக்கு பதில் வேறு row நீங்கினாலும் அதே count வரலாம். இந்த guideல் Pen records இரண்டும் retainedஆக உள்ளதா என்று பார்த்ததுபோல, முக்கியமான exceptions மற்றும் totalsஐச் சரிபார்க்க வேண்டும். Count என்பது ஒரு check; முழுமையான correctness proof அல்ல. Source owner review தேவையுள்ள இடத்தில் அதைச் சேர்க்குங்கள்.

அடுத்த Cleanupக்கு ஒரு தெளிவான தொடக்கம்

முதலில் record என்றால் என்ன, duplicate key என்ன, எந்த occurrence வைத்திருக்க வேண்டும் என்ற மூன்று முடிவுகளை எழுதுங்கள். பிறகு working copyல் candidates பாருங்கள். Approved ruleக்கு ஏற்ப cleaned copy உருவாக்கி removed log மற்றும் specific retained rows சரிபாருங்கள். Final result ஏற்றதாக இருந்த பிறகே உங்கள் வழக்கமான workflowல் பயன்படுத்துங்கள்.

“Delete duplicates” என்பது இரண்டு வார்த்தைகள்; சரியான recordsஐப் பாதுகாப்பதுதான் உண்மையான வேலை. இந்த 10-row sampleல் முதலில் முயற்சி செய்யுங்கள். மேலும் practical AI workflowsக்கு ChatGPT தமிழ் guides படியுங்கள். Commentsல் உங்கள் matching-rule சந்தேகத்தைப் பொதுவாகப் பகிரலாம்; private customer data அல்லது original business files பகிர வேண்டாம்.

Test Scope மற்றும் Official Sources

இந்த guideக்கான சோதனை: 5 நவம்பர் 2026; 10 fictional records; local JavaScript exact-key comparison; raw count, retained count, removed-record references, totals மற்றும் SKU strings சரிபார்க்கப்பட்டன. ChatGPT consumer app session அல்லது Excel interfaceல் execution செய்யப்படவில்லை. Prompts instructional examples; images AI-generated illustrations, test screenshots அல்ல.

Microsoft: Find and remove duplicates, Microsoft: Duplicate comparison columns, Microsoft: Keeping leading zeros, OpenAI: Data analysis with ChatGPT ஆகிய official references பயன்படுத்தப்பட்டுள்ளன.

Post a Comment

Thank You

புதியது பழையவை