如何用Pandas判断每行客户是否为跨列出现过的回头客

问题背景 #

现有按到店日期排序的客户姓名DataFrame如下：

import pandas as pd

df = pd.DataFrame(columns = ['Name1', 'Name2', 'Name3', 'Name4'],
                  data = [
['John Doe', 'Michael Miller', 'Elizabeth Wilson',  'Jennifer Williams'],
['Joe Bloggs', 'Jessica Davis', 'Alex Anderson', 'Olivia Martinez'], 
['Jane Smith', 'Emily Brown', 'Nicholas Robinson', None],
['Emily Brown', 'Sophia Clark', None, None ],
['Sarah Johnson', 'Daniel Garcia', 'Mia Taylor', 'William Davis'], 
['Michael Miller', None, None, None], 
['Nena Robins', 'Nicholas Robinson' ,'Grace Miller', None]
])

需求是判断每行是否存在曾出现在之前任意行任意姓名列的客户（即回头客），最终生成带RC列的结果表，期望输出如下：

Name1              Name2              Name3              Name4     RC
0        John Doe     Michael Miller   Elizabeth Wilson  Jennifer Williams  False
1      Joe Bloggs      Jessica Davis      Alex Anderson    Olivia Martinez  False
2      Jane Smith        Emily Brown  Nicholas Robinson                NaN  False
3     Emily Brown       Sophia Clark                NaN                NaN   True
4   Sarah Johnson      Daniel Garcia         Mia Taylor      William Davis  False
5  Michael Miller                NaN                NaN                NaN   True
6     Nena Robins  Nicholas Robinson       Grace Miller                NaN   True

用户尝试使用~df['Name1'].duplicated()方法，但该方法仅能检查同列重复，无法实现跨列判断，因此需要更合适的解决方案。

解决方案 #

可以通过以下步骤实现跨列的回头客判断：

1. 用集合维护已出现过的所有客户姓名（集合查询效率远高于列表）
2. 逐行检查当前行的非空客户是否有在历史集合中
3. 每次检查后将当前行的非空客户加入集合，供后续行判断使用

完整代码如下：

import pandas as pd

# 初始化原始DataFrame
df = pd.DataFrame(columns=['Name1', 'Name2', 'Name3', 'Name4'],
                  data=[
                      ['John Doe', 'Michael Miller', 'Elizabeth Wilson', 'Jennifer Williams'],
                      ['Joe Bloggs', 'Jessica Davis', 'Alex Anderson', 'Olivia Martinez'],
                      ['Jane Smith', 'Emily Brown', 'Nicholas Robinson', None],
                      ['Emily Brown', 'Sophia Clark', None, None],
                      ['Sarah Johnson', 'Daniel Garcia', 'Mia Taylor', 'William Davis'],
                      ['Michael Miller', None, None, None],
                      ['Nena Robins', 'Nicholas Robinson', 'Grace Miller', None]
                  ])

# 初始化存储历史客户的集合和RC列结果
seen_customers = set()
rc_results = []

for idx, row in df.iterrows():
    # 提取当前行非空的客户姓名
    current_customers = [name for name in row if pd.notna(name)]
    # 判断当前行是否存在回头客
    has_returning = any(customer in seen_customers for customer in current_customers)
    rc_results.append(has_returning)
    # 将当前行客户加入历史集合
    seen_customers.update(current_customers)

# 将结果添加到DataFrame中
df['RC'] = rc_results

print(df)

代码说明 #

• seen_customers集合：用于高效存储已出现的客户，成员查询操作时间复杂度为O(1)，保证判断效率
• any()函数：只要当前行有一个客户在历史集合中，就判定为存在回头客
• 逐行更新集合：确保后续行能正确基于之前所有行的客户数据做判断

运行代码后即可得到符合需求的带RC列的结果表。

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