为何重塑DataFrame/数组时无法自动用填充值补全缺失项？

我有如下DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame([list("ABCDEFGHIJ")])

输出的DataFrame结构为：

0  1  2  3  4  5  6  7  8  9
0  A  B  C  D  E  F  G  H  I  J

尝试执行np.reshape(df, (-1, 3))重塑数组时，触发报错：

ValueError: cannot reshape array of size 10 into shape (3)

我期望得到如下形状的数组（或同结构DataFrame）：

array([['A', 'B', 'C'],
       ['D', 'E', 'F'],
       ['G', 'H', 'I'],
       ['J', nan, nan]], dtype=object)

请问为何NumPy无法通过补全nan来匹配预期形状？

NumPy的reshape函数核心逻辑是严格保持元素总数不变——它仅负责改变数组的维度排布，不会新增、删除或修改任何元素。你原数组的元素总数是10，而目标形状(4,3)的元素总数是12，两者不相等，因此reshape直接抛出错误，这是它的设计原则：不做隐式的数据补充或修改，避免意外改变原始数据的语义。

如果需要补nan适配目标形状，需手动处理，示例代码如下：

实现方法 #

# 提取原数据的扁平化数组
flat_data = df.values.flatten()
# 计算需要补充的nan数量
target_cols = 3
pad_length = (target_cols - len(flat_data) % target_cols) % target_cols
# 补充nan后重塑形状
padded_data = np.pad(flat_data, (0, pad_length), mode='constant', constant_values=np.nan)
result = padded_data.reshape(-1, target_cols)

执行后即可得到预期结果：

array([['A', 'B', 'C'],
       ['D', 'E', 'F'],
       ['G', 'H', 'I'],
       ['J', nan, nan]], dtype=object)

内容的提问来源于stack exchange，提问作者VERBOSE