如何用Python高效判断DataFrame中客户是否后续再次联系

需求说明 #

已有按日期/时间排序的DataFrame，需新增Re-contact布尔列，标记当前行的客户电话号码在后续行中是否存在（对应Excel公式COUNTIFS(A2:A$5;A1)>0的逻辑），且需支持10万行的高效计算。

示例数据与预期结果 #

原始DataFrame：

预期结果：

高效实现方案 #

直接使用pandas的矢量化操作，避免Python循环（循环会导致O(n²)复杂度，完全无法处理10万行数据）：

import pandas as pd

# 构造示例数据（实际使用时替换为你的DataFrame）
data = {
    'Date': ['01-01-2023', '01-01-2023', '01-01-2023', '02-01-2023', '02-01-2023'],
    'Tel': ['+33000000001', '+33000000002', '+33000000003', '+33000000002', '+33000000004']
}
df = pd.DataFrame(data)

# 核心逻辑：反转后标记重复项，再恢复原顺序
df['Re-contact'] = df[::-1]['Tel'].duplicated(keep='first')
# 恢复原顺序并重置索引
df = df[::-1].reset_index(drop=True)

方案原理 #

1. 反转DataFrame：把原数据的行顺序倒转，原最后一行变成第一行，原第一行变成最后一行。
2. 标记重复项：duplicated(keep='first')会标记除第一次出现外的所有重复值——对应反转后，原数据中先出现的Tel（如果后续还有相同值），在反转后会晚出现，因此会被标记为True。
3. 恢复原顺序：再次反转DataFrame，此时Re-contact列的标记正好对应原数据中“当前行后续是否有相同Tel”的逻辑。

这种方法是基于pandas底层C实现的矢量化操作，时间复杂度为O(n)，处理10万行数据仅需毫秒级时间。

原代码问题分析 #

你之前的嵌套循环存在两个核心问题：

• 逻辑错误：循环中直接给整个Re-contact列赋值，会覆盖之前的结果，无法为每行单独标记。
• 效率极低：嵌套循环的时间复杂度为O(n²)，10万行数据需要执行10^10次操作，完全无法在合理时间内完成。

内容的提问来源于stack exchange，提问作者NPData