Python高效过滤已用值 获取0-2407范围下一个可用数字

优化逻辑 #

针对大文件场景，核心做3点效率优化：

• 读取文件时仅加载需要的Index列，跳过所有无关字段，大幅降低内存占用和读取耗时
• 将目标区间内的已使用值转为集合存储，成员判断时间复杂度为O(1)，远快于列表的线性查找
• 无需提前生成0~2407的全量数字数组，从区间最小值开始顺序校验，找到第一个未被占用的数字就直接返回，不需要遍历全量数据

可直接运行的代码 #

import pandas as pd

# 目标数字区间
RANGE_START = 0
RANGE_END = 2407

# 读取文件时只加载Index列，适配大文件场景
# 如果是其他格式的文件，替换为pandas对应的读取方法即可，比如pd.read_excel
df = pd.read_csv("你的存储文件路径", usecols=["Index"])

# 筛选出落在目标区间内的已使用数字，去重后转集合
used_set = set(
    df["Index"]
    .query("@RANGE_START <= Index <= @RANGE_END")
    .unique()
)

# 查找第一个可用数字
next_available = None
for num in range(RANGE_START, RANGE_END + 1):
    if num not in used_set:
        next_available = num
        break

print(f"下一个未被使用的可用数字为：{next_available}")

额外说明 #

• 如果你需要获取所有未被使用的数字列表，只需要把查找部分替换为unused_nums = [num for num in range(RANGE_START, RANGE_END+1) if num not in used_set]即可
• 不要直接用列表存储已使用值做存在性判断，当已使用值量级到十万级以上时，列表查找的速度会比集合慢数百倍
• 由于目标区间仅2408个连续值，上述方案哪怕面对千万行级的大文件，整体耗时也在毫秒级

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