Как можно улучшить код обработки данных?

Есть набор данных с 3 колонками : REV_NUM_CL, ID_COMMS, ,DT_CONTACT.

Надо выбрать только те данные (значения: REV_NUM_CL, ID_COMMS), которые удовлетворяют любому из условий:

1. В группировке по REV_NUM_CL есть только один ID_COMMS с заполненными DT_CONTACT.
2. В группировке по REV_NUM_CL есть только один уникальный ID_COMMS.

Общая цель в том, чтобы найти для каждого REV_NUM_CL найти уникальный ID_COMMS, если это возможно.

Я смог решить эту задачу, однако мое решение кажется мне далеким от идеального.
Думаю, можно проще, короче и понятнее. Помогите упростить.

Мой код:

import pandas as pd

data = [    
    {'REV_NUM_CL': 1, 'ID_COMMS': 11, 'DT_CONTACT': 111},
    {'REV_NUM_CL': 1, 'ID_COMMS': 12, 'DT_CONTACT': 122},
    {'REV_NUM_CL': 2, 'ID_COMMS': 21, 'DT_CONTACT': None},
    {'REV_NUM_CL': 2, 'ID_COMMS': 22, 'DT_CONTACT': None},
    {'REV_NUM_CL': 3, 'ID_COMMS': 31, 'DT_CONTACT': 311},
    {'REV_NUM_CL': 3, 'ID_COMMS': 32, 'DT_CONTACT': 321},
    {'REV_NUM_CL': 3, 'ID_COMMS': 33, 'DT_CONTACT': 331},
    {'REV_NUM_CL': 3, 'ID_COMMS': 33, 'DT_CONTACT': 332},    
    {'REV_NUM_CL': 3, 'ID_COMMS': 34, 'DT_CONTACT': None},        
    {'REV_NUM_CL': 4, 'ID_COMMS': None, 'DT_CONTACT': None},
    {'REV_NUM_CL': 5, 'ID_COMMS': 51, 'DT_CONTACT': 511},    
    {'REV_NUM_CL': 5, 'ID_COMMS': 52, 'DT_CONTACT': None},  
    {'REV_NUM_CL': 6, 'ID_COMMS': 61, 'DT_CONTACT': None}    
]

# Группа 1 не подходит, т.к. есть два разных ID_COMMS и у обоих заполнен DT_CONTACT
# Группа 2 не подходит, т.к есть два разных ID_COMMS и у обоих не заполнен DT_CONTACT
# Группа 3 не подходит, так как есть больше одного ID_COMMS и которых заполнен DT_CONTACT
# Группа 4 не подходит, т.к. ID_COMMS нет вообще
# Группа 5 подходит, так как есть только один ID_COMMS у которго заполнен DT_CONTACT
# Группа 6 подходит, так как есть всего один ID_COMMS

df = pd.DataFrame(data)

# Посчитать уникальное значение ID_COMMS, где заполнен DT_CONTACT в группах
df_cnt = df[df['DT_CONTACT'].notnull()].groupby('REV_NUM_CL')[['ID_COMMS']].nunique()
df_cnt.columns = ['CNT']

# Посчитать уникальное значение ID_COMMS, вообще
df_cnt_u = df.groupby('REV_NUM_CL')[['ID_COMMS']].nunique()
df_cnt_u.columns = ['CNT_U']

# И объединить в массив обратно
df = pd.merge(df, df_cnt, on='REV_NUM_CL', how='left')
df['CNT'].fillna(0, inplace=True)

df = pd.merge(df, df_cnt_u, on='REV_NUM_CL', how='left')
df['CNT_U'].fillna(0, inplace=True)

df['FIRST'] = ( ( df['CNT'] == 1 ) 
               & ( df['DT_CONTACT'].notnull() ) 
               & ( df['ID_COMMS'].notnull() )
              ).astype(int)
df['SECOND'] = ( ( df['CNT_U'] == 1 )
                & ( df['ID_COMMS'].notnull() )
               ).astype(int)
# Итог:
df_res = df[(df['FIRST'] == 1) | (df['SECOND'] == 1) ][['ID_COMMS', 'REV_NUM_CL']].drop_duplicates() # перестраховался