Python 什么'；“这是找到”的最好方法；“失踪”；数据帧中的值？

假设有一个数据帧：

import pandas as pd
df = pd.DataFrame([1,2,3,4,5, 7,8, 10])

我想找到其中的“缺失”数字（6和9）。我的代码是：

li = []
low = int(min(df.values))
high = int(max(df.values))

for i in range(low, high+1):
    if i not in df.values:
        li.append(i)

print(li)
>>> [6, 9]

但是如果数据帧很大，使用for循环可能需要一些时间。在我的例子中，对于长度约为300k行的数据帧，需要162秒

---

有没有更有效的（矢量化的）方法来实现这一点？

只需列出整个范围（假设您的边界在

df

中表示），然后使用

isin（）

查找差异

m = 10
full = pd.Series(np.arange(1, m+1))

full[~full.isin(df[0])].values
# array([6, 9])

---

df['didf']=df[0]-df[0].shift（1）

将突出显示间隙，而大于1的值表示缺少值

您知道应该存在的一组数字吗？是的，从1到阈值（我们可以称之为

m

）。如果缺少最大值怎么办？

np.setdiff1d（np.arange（df[0].min（），df[0].max（）），df[0]）

？@user2285236在我看来不错，将其作为答案发布。。。如果你使用OP的边框，你甚至可以看到它有多短：

np.setdiff1d（np.arange（1，m+1），df[0]）

Yes！这将运行时间从162秒减少到0.05秒！伟大的很高兴为您提供帮助。您是否也尝试过测量user2285236的

np.setdiff1d

解决方案？看看它是如何比较的会很有趣。