Pandas extract报错‘Columns must be same length as key’问题求助

我之前也踩过这个坑！这个错误看起来特别矛盾——明明正则已经测试能匹配到内容，却报列长度不匹配，其实问题根本不在正则的匹配能力上，而是Pandas处理正则提取时的返回结构和你赋值的目标列不兼容。下面帮你拆解最常见的原因和解决办法：

最可能的原因：正则包含多个捕获组，返回多列DataFrame却赋值给单列 #

如果你用的是str.extract()，并且正则里写了多个带括号的捕获组（比如r'(\w+)-(\d+)'这种同时抓文本和数字的写法），默认情况下str.extract()会返回一个包含多列的DataFrame。这时候你要是直接把它赋值给单个列（比如df['new_col'] = ...），就会触发这个错误——因为右边是2列，左边是1列，"列长度"（列的数量）不匹配。

举个错误的例子：

# 错误：正则有2个捕获组，返回2列DataFrame，赋值给单列
df['new_col'] = df['original_col'].str.extract(r'(\w+)-(\d+)')

对应的解决办法： #

• 只保留需要的捕获组：如果只需要其中一部分匹配结果，修改正则去掉多余的括号（或者把不需要的改成非捕获组(?:...)）。比如只抓数字部分：

  df['num_col'] = df['original_col'].str.extract(r'\w+-(\d+)', expand=False)
  

• 赋值到多个列：如果确实需要所有捕获组的结果，直接把返回的多列DataFrame赋值给多个新列：

  # 一次性创建两个新列
  df[['text_col', 'num_col']] = df['original_col'].str.extract(r'(\w+)-(\d+)')
  

• 用expand=False返回Series：当只有一个捕获组时，加上expand=False可以让str.extract()返回Series而不是单列DataFrame，赋值更顺畅：

  df['num_col'] = df['original_col'].str.extract(r'(\d+)', expand=False)
  

其他可能的原因 #

1. 误用str.findall()：如果用了str.findall()，它会返回每个单元格的所有匹配项组成的列表。虽然Pandas允许把列表存到列里，但如果后续你对这个列做了其他操作（比如拆分），可能会间接触发长度不匹配的错误。如果只需要单个匹配项，优先用str.extract()。
2. 用了str.extractall()：这个方法会返回所有匹配项（包括每行多个匹配的情况），结果是带MultiIndex的DataFrame，行数和原DataFrame不一致，直接赋值给单列肯定会报错。如果只需要每行第一个匹配项，还是用str.extract()。

快速排查步骤 #

1. 先单独运行正则提取代码，看看返回的结果是Series还是DataFrame：

   print(type(df['original_col'].str.extract(your_regex)))
   

2. 如果是DataFrame，查看列数：

   print(df['original_col'].str.extract(your_regex).shape[1])
   

3. 根据列数调整你的赋值方式——列数和目标列数量要对应。

内容的提问来源于stack exchange，提问作者Stefanpt