Python实现识别CSV中visitor与guest角色互换的重复行

嗨，作为Python新手碰到这个问题太正常啦！我来给你捋清楚怎么解决——核心思路是把visitor+guest和guest+visitor变成同一个“标准化标识”，这样就能轻松识别它们是匹配的组合了。下面是具体的步骤和代码：

关键思路 #

我们可以把每一行的visitor和guest值做一个无序化处理：比如把两个值排序后做成元组（因为列表不能当字典的键，元组可以）。这样不管是Alice+Bob还是Bob+Alice，排序后的元组都是('Alice', 'Bob')，就能用这个元组作为键来跟踪已经出现过的行。

完整代码示例 #

import csv

# 用来存储已经见过的组合及其对应的行数据
seen_combinations = {}
# 用来收集所有匹配的行
matched_rows = []

# 替换成你的CSV文件路径，注意编码如果是gbk可以改成encoding='gbk'
with open('your_file.csv', mode='r', encoding='utf-8') as csv_file:
    # 使用DictReader可以通过列名直接获取字段，非常适合新手
    csv_reader = csv.DictReader(csv_file)
    
    for row in csv_reader:
        # 提取visitor和guest字段，记得把列名改成你CSV里实际的列名！
        visitor = row['visitor'].strip()  # strip()去掉首尾空格，避免空格导致的误判
        guest = row['guest'].strip()
        
        # 生成标准化的组合键：排序后转成元组，让顺序不影响匹配
        combination_key = tuple(sorted((visitor, guest)))
        
        if combination_key in seen_combinations:
            # 如果这个组合之前出现过，把之前的行和当前行都加入匹配列表
            matched_rows.append(seen_combinations[combination_key])
            matched_rows.append(row)
            # 可选：删除这个键，避免同一组合被多次匹配（比如第三行又出现相同组合时不会重复收集）
            del seen_combinations[combination_key]
        else:
            # 如果是第一次见到这个组合，把当前行存进字典
            seen_combinations[combination_key] = row

# 输出结果
print("找到的匹配行：")
for count, row in enumerate(matched_rows, 1):
    print(f"第{count}行：{row}")

代码解释 #

1. csv.DictReader：这个工具可以让你通过列名（比如row['visitor']）获取字段值，比用索引（比如row[0]）更直观，不容易出错。
2. strip()：处理字段中可能存在的首尾空格，比如"Alice "和"Alice"会被当成不同的值，用strip()可以避免这种误判。
3. tuple(sorted(...))：这是核心！排序后不管两个值的顺序如何，都会得到相同的元组，比如('Bob', 'Alice')排序后变成('Alice', 'Bob')，这样就能识别出角色互换的匹配。
4. 字典跟踪：用seen_combinations字典记录已经出现过的组合，当再次遇到相同的标准化键时，就说明找到了匹配的行。

特殊情况处理 #

• 如果你的CSV没有表头：改用csv.reader，通过索引访问字段，代码调整如下：

  with open('your_file.csv', mode='r', encoding='utf-8') as csv_file:
      csv_reader = csv.reader(csv_file)
      # 如果有表头的话先跳过表头，没有就删掉这行
      next(csv_reader)
      
      for row in csv_reader:
          # 假设visitor是第1列，guest是第2列，索引从0开始
          visitor = row[0].strip()
          guest = row[1].strip()
          # 后面的逻辑和之前一样
          combination_key = tuple(sorted((visitor, guest)))
          # ... rest of the code ...
  

• 如果需要把匹配的行写入新CSV：可以添加这段代码在最后：

  with open('matched_results.csv', mode='w', encoding='utf-8', newline='') as output_file:
      writer = csv.DictWriter(output_file, fieldnames=csv_reader.fieldnames)
      writer.writeheader()
      writer.writerows(matched_rows)
  

内容的提问来源于stack exchange，提问作者user7939708