如何查找DataFrame合并数据集后缺失行的具体位置

误区提示：Pandas中同一个DataFrame下所有列的行数完全一致，你观察到的「某数据集行数少」实际是该数据集对应的列存在96个空值，属于合并过程中（通常是左连接/外连接）未匹配到数据的正常表现，空值分布在日期中段所以仅检查首尾行无法发现。

你可以通过以下几个方法快速定位缺失位置：

• 方法1：通过完整日期序列匹配找缺失日期
  以日期为对齐基准生成完整时间序列，和现有日期做差集即可直接得到缺失的日期节点：

  # 先将日期列转为datetime格式，避免格式不匹配导致的校验错误
  crypto_df['date'] = pd.to_datetime(crypto_df['date'])
  # 生成对应频率的完整日期范围，freq参数根据你的数据周期调整：日频用'D'、小时频用'H'、分钟频用'T'
  full_date_range = pd.date_range(start=crypto_df['date'].min(), end=crypto_df['date'].max(), freq='D')
  # 取现有去重后的日期列表
  existing_dates = crypto_df['date'].drop_duplicates()
  # 输出所有缺失的日期
  missing_dates = full_date_range[~full_date_range.isin(existing_dates)]
  print(missing_dates)
  

• 方法2：直接筛选空值行得到完整缺失记录
  针对行数不足的数据集对应的字段做空值筛选，直接得到所有缺失行的完整信息：

  # 将示例中的'目标字段名'替换为你要检查的数据集对应的列名，多字段校验可以用&连接多个isna()条件
  missing_rows = crypto_df[crypto_df['目标字段名'].isna()]
  # 可直接输出查看缺失行的日期、其他关联字段信息
  print(missing_rows)
  

• 方法3：快速校验缺失数量是否匹配
  先全局统计各字段的缺失值数量，确认该数据集对应字段的缺失数正好为96，避免定位方向错误：

  # 输出所有列的缺失值计数
  print(crypto_df.isna().sum())
  

如果后续搜索相关解决方案，可参考关键词：pandas 按日期查找缺失行、pandas 筛选空值行、pandas 各列缺失值统计。

内容的提问来源于stack exchange，提问作者jd_h2003