为Pandas DataFrame赋值时遇ValueError：迭代赋值需键值等长

错误原因 #

当你用loc给单行多列赋值时，直接传入列表会触发这个报错——Pandas会把右侧的列表误认为是「要给多行分配的迭代对象」，而非对应每一列的单行值。哪怕列数和列表长度完全匹配，Pandas依然会尝试匹配行维度，导致维度不匹配的错误。

而你用循环逐个赋值时，每次都是给单个列的单行赋值（标量对单列），Pandas能正确识别这种操作，所以不会报错。

解决办法与更优雅的赋值方式 #

以下几种方式都能替代循环，更符合Pandas的向量化操作逻辑，效率也更高：

方式1：将列表转为带对应列索引的Series #

让Pandas明确列与值的对应关系：

analysis_list = movement_analysis(env_5min.iloc[-10:])
columns = ['price_action', 'pos_vwap', 'pos_ema9'] + PATTERN_RECOGNITION
env_5min.loc[index_last, columns] = pd.Series(analysis_list, index=columns)

方式2：将列表包裹为二维列表（模拟单行数据） #

通过二维结构告诉Pandas这是一行多列的数据：

analysis_list = movement_analysis(env_5min.iloc[-10:])
columns = ['price_action', 'pos_vwap', 'pos_ema9'] + PATTERN_RECOGNITION
env_5min.loc[index_last, columns] = [analysis_list]

方式3：用字典映射列与值（可读性优先） #

如果需要更直观的键值对应，可以用字典配合at操作：

analysis_list = movement_analysis(env_5min.iloc[-10:])
columns = ['price_action', 'pos_vwap', 'pos_ema9'] + PATTERN_RECOGNITION
analysis_dict = dict(zip(columns, analysis_list))
env_5min.at[index_last, columns] = analysis_dict.values()

内容的提问来源于stack exchange，提问作者Jing918