如何将CSV中的匹配图像对合并为含3个及以上元素的去重分组

你的代码存在3个核心错误，导致文件缺失：

• 逻辑判断变量用错：你提前将_first定义为布尔值（表示_match[0]是否存在），后续判断if _first in _node本质是在节点列表中查找布尔值True/False，永远匹配失败，自然不会把新文件加入分组。
• 未覆盖两个文件都已存在的分支：当配对的两个文件都已经被录入_exists时，你的代码没有对应处理逻辑，这条配对会被直接跳过，如果两个文件此前被分到不同分组，还会导致同一组重复文件被拆成多个分组。
• 效率缺陷：用列表存储_exists，in查询时间复杂度为O(n)，文件量大时运行速度会非常慢。

这个需求本质是找无向图的连通分量：每个文件是节点，每对匹配是边，同一个连通分量内的文件就是内容重复的一组文件。用并查集（DSU）可以非常高效的完成这个分组需求，代码逻辑简洁，还能覆盖所有边界情况：

class DSU:
    def __init__(self, elements):
        self.parent = {e: e for e in elements}
    
    # 查找根节点，带路径压缩优化
    def find(self, x):
        if self.parent[x] != x:
            self.parent[x] = self.find(self.parent[x])
        return self.parent[x]
    
    # 合并两个节点所在的集合
    def union(self, x, y):
        root_x = self.find(x)
        root_y = self.find(y)
        if root_x != root_y:
            self.parent[root_y] = root_x

# 处理流程
# 1. 收集所有出现过的文件名
all_files = set()
for file_a, file_b in _data:
    all_files.add(file_a)
    all_files.add(file_b)

# 2. 初始化并查集，合并所有匹配对
dsu = DSU(all_files)
for file_a, file_b in _data:
    dsu.union(file_a, file_b)

# 3. 按根节点分组，得到最终结果
groups = {}
for file in all_files:
    root = dsu.find(file)
    if root not in groups:
        groups[root] = []
    groups[root].append(file)

# self.__map 就是所有重复文件分组的列表
self.__map = list(groups.values())

如果需要转成你示例里的分号分隔格式，遍历self.__map做字符串拼接即可：

result_str = [";".join(group) for group in self.__map]

内容的提问来源于stack exchange，提问作者Erik