如何解决使用.loc函数时出现的长度不匹配问题

初始代码实现 #

首先创建两个基础DataFrame，并通过交叉合并生成多级索引的对比结果DataFrame：

import pandas as pd
import itertools

df_data1 = {
    "ID": [1, 2, 3, 4, 5],
    "Date": ['01-01-2010', '01-02-2010', '01-03-2010', '01-04-2010', '01-05-2010'],
    'Value': [90, 58, 85, 33, 68]
}

df_data2 = {
    "ID": [6, 7, 8, 9, 10],
    "Date": ['01-06-2010', '01-07-2010', '01-08-2010', '01-09-2010', '01-10-2010'],
    "Value": [85, 39, 99, 15, 87]
}

df1 = pd.DataFrame(df_data1)
df2 = pd.DataFrame(df_data2)

# 交叉合并生成逐行对比的df3
df3 = df1.merge(df2, how="cross")

# 创建带多级索引的df4，存储Value均值
df4 = pd.DataFrame()
df4["Value"] = (df3[['Value_x', 'Value_y']].mean(axis=1))
df4.index = pd.MultiIndex.from_tuples(
    list(itertools.product(df1["ID"], df2["ID"])), 
    names=['df1 ID', 'df2 ID']
)

问题分析 #

尝试用df4['df1 Date'] = df1.loc[df1['Date'] == df4.index.get_level_values(0)]['Date']添加日期列时，会触发长度不匹配的ValueError。原因是这段代码逻辑错误：用df1的Date列和索引的ID值做匹配，完全不符合ID对应Date的需求，且返回的结果行数和df4的25行（5*5）不匹配。

解决方案 #

1. 匹配对应日期列 #

利用map方法，通过ID与Date的映射关系，为多级索引的每一行匹配对应的日期：

# 为df4添加df1对应的日期列
df4['df1 Date'] = df4.index.get_level_values('df1 ID').map(df1.set_index('ID')['Date'])
# 为df4添加df2对应的日期列
df4['df2 Date'] = df4.index.get_level_values('df2 ID').map(df2.set_index('ID')['Date'])

这里df1.set_index('ID')['Date']生成了以ID为索引、Date为值的Series，map方法会自动将df4索引中的每个ID对应到其对应的Date，确保结果长度与df4完全一致。

2. 计算日期时间差 #

先将日期列转换为datetime类型，再计算两个日期的差值：

# 转换日期列为datetime格式（注意匹配原日期的格式）
df4['df1 Date'] = pd.to_datetime(df4['df1 Date'], format='%d-%m-%Y')
df4['df2 Date'] = pd.to_datetime(df4['df2 Date'], format='%d-%m-%Y')

# 计算日期差，单位为天
df4['Date Difference (Days)'] = (df4['df2 Date'] - df4['df1 Date']).dt.days

最终效果示例 #

处理后的df4部分内容如下：

内容的提问来源于stack exchange，提问作者E_Sarousi