高效实现分组内跨行时间戳匹配：为每组生成布尔标记列 user_rejects

本文介绍如何在大规模数据集（百万级行、百维特征）中，基于 application_id 分组，高效判断每行的 rejected_time 是否等于同组内任意其他行的 selected_time，并生成整数型布尔列 user_rejects。 本文介绍如何在大规模数据集（百万级行、百维特征）中，基于 `application_id` 分组，高效判断每行的 `rejected_time` 是否等于**同组内任意其他行**的 `selected_time`，并生成整数型布尔列 `user_rejects`。在真实业务场景（如信贷审批、招聘流程或订单履约系统）中，常需分析用户行为链路中的时间一致性------例如：某申请（application_id）下多个操作记录中，若某次拒绝时间（rejected_time）恰好等于另一次被选中时间（selected_time），则可能表示用户主动撤回或系统逻辑冲突。该任务本质是分组内跨行时间戳存在性匹配，而非简单自连接或逐行遍历，因此必须兼顾语义准确性与计算效率。? 核心思路：向量化 + 分组广播匹配关键在于避免 apply 中嵌套循环或 merge 产生笛卡尔积（对每组 20 行将生成 400 对组合，百万级组数时不可接受）。推荐方案是： arXiv Xplorer ArXiv 语义搜索引擎，帮您快速轻松的查找，保存和下载arXiv文章。