ValueError(mismatched columns)报错：DataFrame行赋值列数不匹配排查

核心原因排查 #

你遇到的错误本质是待赋值的行数据元素数量和DataFrame列数不相等，看似列数匹配，实际可能存在以下隐性问题：

• load前31个元素的实际长度不足：比如load本身长度小于31，或者你误写了截取范围（比如写成[:30]），导致拼接后总元素数为1（time）+30=30，和目标df的31列不匹配。
• time被解析为多元素结构：如果unique_time不是单个字符串，而是列表/Series对象，拼接后会把time的每个元素都算成一列，导致总列数超标。
• 目标df列数实际不符：创建df时列名列表长度错误，比如0-29是30列，加time应该是31列，但如果列名列表少了一个数字列，就会出现不匹配。

分步解决方法 #

1. 先验证各部分长度（关键调试步骤） #

在代码中加入打印，确认核心数据的长度：

import pandas as pd

# 先确认目标df的列数
columns = ['time'] + list(range(30))
df = pd.DataFrame(columns=columns)
print(f"目标df列数: {len(df.columns)}")

# 遍历去重时间时打印长度
for unique_time in data['time'].unique():
    # 获取对应load值（假设data中每个time对应一组load）
    load_values = data[data['time'] == unique_time]['load'].values
    # 取前31个元素
    selected_load = load_values[:31]
    # 拼接行数据
    row_data = [unique_time] + list(selected_load)
    # 打印关键长度
    print(f"时间: {unique_time}, load截取长度: {len(selected_load)}, 行总长度: {len(row_data)}")

对比目标df列数和行总长度是否均为31，就能定位长度不匹配的环节。

2. 修正load截取与补全 #

如果selected_load长度不足31，用NaN或默认值补全：

selected_load = load_values[:31]
# 补全到31个元素
if len(selected_load) < 31:
    selected_load += [float('nan')] * (31 - len(selected_load))

3. 确保time是单个标量 #

如果unique_time是Series/数组类型，取其标量值：

# 比如从unique()结果中取单个元素
unique_time = data['time'].unique()[idx]
# 或者用.item()提取标量（当只有一个元素时）
unique_time = data[data['time'] == target_time]['time'].item()

4. 改用高效的分组赋值（替代遍历） #

遍历赋值效率低且易出错，直接用分组聚合实现：

# 按time分组，取每组load的前31个元素并转为列表
grouped_data = data.groupby('time')['load'].apply(lambda x: x.iloc[:31].tolist())
# 将列表拆分为多列，合并time列
df = grouped_data.apply(pd.Series).reset_index()
# 重命名列，确保为time+0-29
df.columns = ['time'] + list(range(30))

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