如何检查DataFrame列是否无缺失递增及识别连续值区间

咱们一个个来解决这两个Pandas相关的问题，思路和代码都给你理清楚：

要验证这个，核心要满足两个条件：没有缺失值 + 序列严格/非递减递增，咱们一步步来：

• 第一步：先排查缺失值
  用df['你的列名'].isna().any()就能快速判断，如果返回True，说明列里有缺失值，直接不符合要求。

• 第二步：验证递增性
  这里分两种场景，你按需选择：

  1. 严格递增（后一个值必须比前一个大，不能相等）：
     先计算列中相邻元素的差值，去掉第一个无意义的NaN，再检查所有差值是否都大于0：

     diffs = df['你的列名'].diff().dropna()
     is_strictly_increasing = (diffs > 0).all()
     

  2. 非递减递增（允许后一个值等于前一个）：
     把上面的判断改成(diffs >= 0).all()就可以。

  另外还有个更直观的方法：把原列和排序后的列对比，如果完全相等且无缺失，说明是递增的（适合非递减场景）：

  has_no_missing = not df['你的列名'].isna().any()
  is_increasing_order = df['你的列名'].equals(df['你的列名'].sort_values())
  # 如果是严格递增，还要额外检查有没有重复值
  has_no_duplicates = not df['你的列名'].duplicated().any()
  final_result = has_no_missing and is_increasing_order and has_no_duplicates  # 严格递增的情况
  

已知你的Number列已经排好序了，咱们用NumPy+Pandas组合拳来实现，思路很清晰：

1. 找连续区间的分割点：计算相邻元素的差值，差值大于1的地方就是两个连续区间的分界处。
2. 按分割点分组：把原始序列切成多个连续的子组。
3. 过滤单元素组：只保留元素个数≥2的组，然后取每个组的首尾值作为区间。

直接上代码，对应你给的示例数据：

import pandas as pd
import numpy as np

# 模拟你的数据
df = pd.DataFrame({'Number': [1,2,3,4,5,6,7,8,9,10,12,13,14,15,16,18,20,21,22]})

# 计算相邻差值，找到分割点
diff_values = np.diff(df['Number'])
# 找到差值>1的位置，加1是因为diff的索引比原数据少一位
split_positions = np.where(diff_values > 1)[0] + 1

# 把序列分割成连续子组
continuous_groups = np.split(df['Number'].values, split_positions)

# 过滤掉只有单个元素的组，生成区间列表
result_intervals = [[group[0], group[-1]] for group in continuous_groups if len(group) > 1]

print(result_intervals)
# 输出正好是你要的：[[1, 10], [12, 16], [20, 22]]

解释下关键步骤：

• np.where(diff_values > 1)[0]会得到差值大于1的索引，比如你的数据里是[9,14,15]，加1后变成[10,15,16]，这就是分割的位置。
• np.split会把数组按这些位置切开，比如第三个子组是[18]，因为长度为1会被过滤掉，剩下的就是符合要求的连续区间。

内容的提问来源于stack exchange，提问作者amarykya_ishtmella