姚 磊 付立苹

（昆明市环境科学研究院 云南昆明 650032）

引言

污染源普查是重大的国情调查，是环境保护的基础性工作,对掌握各类污染源的数量、行业和地区分布情况，了解主要污染物产排和处理情况，建立健全重点污染源档案，准确判断我国当前环境形势，制定实施有针对性的经济社会发展和环境保护政策、规划，加快推进生态文明建设具有重要意义[1]。

污染源普查工作中，数据的采集和对数据的处理贯通整个工作的所有环节，是该项工作的重中之重。其中，在数据处理的过程中，会多次涉及到数据查重的问题。例如，获得来自于不同职能部门工业企业原始名录后，需要进行汇总并查重比对，剔除重复的企业形成基础名录。查重工作处理得当，能够为后续的数据处理带来便利，避免重复调查和重复统计，节约有限的人力资源。

本文根据Excel 2016（Excel 2007或以上版本均可）提供的功能，提出几种数据查重处理的方法，并对几种方法的优劣进行探讨，以期污普工作者在处理数据查重问题时能够找到一种适合自己的最佳方法。

现以第二次污染源普查在建立工业企业基础名录中的查重比对的技术要求为例，详细介绍各种方法。根据要求，用来比对的字段包括统一社会信用代码，组织机构代码以及企业名称。不同来源的数据查重比对，只要其中一数据源的某条记录中以上3个字段中有一项的值和另一数据源的对应字段的某条记录值是相同的（不含空值），则认为分别来自两个数据源中的这两条记录是重复的，即这两条记录都是指向同一工业企业。……