如何在Julia的DataFrame中保留[i,j]行并移除[j,i]重复行？

原函数存在的问题 #

• 硬编码列索引（8、9）：依赖固定列位置，一旦DataFrame列顺序变化就会出错，应该直接用列名person1和person2
• 循环逻辑混乱：在循环中修改DataFrame会导致行索引偏移，手动增减i/j无法同步实际行数变化，极易引发索引越界
• 返回未定义变量：函数最后返回df2，但代码中从未定义该变量，会直接抛出错误
• 重复判断逻辑不可靠：仅通过两列数值和判断重复，无法区分(1,3)和(2,2)这类和相同但并非目标重复的配对

正确解法 #

方法一：通过辅助列去重（直观易懂）

using DataFrames

function drop_reverse_pairs(df::DataFrame)
    # 生成排序后的配对元组，顺序相反的配对会得到相同结果
    df[!, :pair] = [sort((row.person1, row.person2)) for row in eachrow(df)]
    # 保留每个配对的第一行，移除后续重复项
    unique!(df, :pair)
    # 删除临时辅助列
    select!(df, Not(:pair))
    return df
end

方法二：直接用自定义键去重（更简洁）

using DataFrames

function drop_reverse_pairs(df::DataFrame)
    # 以排序后的person1/person2为去重键，保留首次出现的行
    return unique(df, row -> sort((row.person1, row.person2)))
end

测试示例 #

# 构造测试数据
df = DataFrame(
    person1 = [2307, 58999, 15],
    person2 = [15, 52, 2307],
    sth1 = [1234, 1201, 67]
)

# 调用函数去重
result = drop_reverse_pairs(df)
println(result)

输出结果：

2×3 DataFrame
 Row │ person1  person2  sth1
     │ Int64    Int64    Int64
─────┼──────────────────────────
   1 │    2307       15   1234
   2 │   58999       52   1201

内容的提问来源于stack exchange，提问作者Chao