如何用Python找出Pandas DataFrame中缺失的ID数值？

高效方案（无需循环） #

不用遍历行，直接用集合差集操作就能快速得到结果，这也是处理这类问题的最优方式：

import pandas as pd

# 替换成你的DataFrame和ID列名
df = pd.DataFrame({'id': [3, 6, 7, 9, 10]})
# 获取已存在的ID集合
existing_ids = set(df['id'])
# 生成1到900的完整ID范围（range左闭右开，所以结束值写901）
full_id_range = set(range(1, 901))
# 计算差集并排序得到缺失ID
missing_ids = sorted(full_id_range - existing_ids)

print(missing_ids)  # 输出: [1, 2, 4, 5, 8]

为什么不用循环/iterrows？ #

iterrows()遍历行的效率极低，尤其是当DataFrame数据量较大时，会显著拖慢运行速度。集合的查找操作是O(1)时间复杂度，对比列表的O(n)，性能差距会随着数据量增大而越来越明显。

如果你一定要用循环（仅作学习参考） #

如果出于学习目的想尝试循环实现，也可以这样写：

import pandas as pd

df = pd.DataFrame({'id': [3, 6, 7, 9, 10]})
# 把ID列转成列表
existing_ids = df['id'].tolist()
missing_ids = []

# 遍历1到900的每个数值
for num in range(1, 901):
    if num not in existing_ids:
        missing_ids.append(num)

print(missing_ids)

注意：这种方法在ID数量多的时候会比较慢，实际项目里优先用集合的方案。

内容的提问来源于stack exchange，提问作者zsayle