Python3.10执行代码报错ValueError: Columns must be same length as key

报错ValueError: Columns must be same length as key的核心原因是pandas版本迭代带来的str.split行为变化：

• Python3.8对应的旧版pandas中，当str.split用正则匹配不到内容时，expand=True会返回仅1列的DataFrame，赋值给两列时会自动用NaN填充缺失列；
• Python3.10对应的新版pandas中，严格校验拆分结果的列数和目标列数，一旦不匹配直接抛出长度错误。

另外，从CoinMarketCap新币页面爬取的Name列中，存在部分条目不含数字，导致split(r"\d+")只能拆出1列，和目标的["Name", "Symbol"]两列长度不匹配，触发报错。

提供两种可直接落地的修复方案：

方案1：强制生成2列拆分结果（兼容所有数据） #

修改拆分语句，限制拆分次数并强制补全列数，确保不管是否匹配到数字，拆分结果都是2列：

# 限制只拆分1次，确保最多生成2列，不足的列用NaN填充
split_result = df["Name"].str.split(r"\d+", expand=True, n=1).reindex(columns=[0, 1])
df[["Name", "Symbol"]] = split_result

整合后的完整可运行代码 #

import pandas as pd
import requests

url = "https://coinmarketcap.com/new/"
page = requests.get(url, headers={'User-Agent': 'Mozilla/5.0'}, timeout=1)
usecols = ["Name", "Symbol", "1h", "24h", "MarketCap"]

df = pd.read_html(page.text)[0]
# 修复后的拆分逻辑
split_result = df["Name"].str.split(r"\d+", expand=True, n=1).reindex(columns=[0, 1])
df[["Name", "Symbol"]] = split_result

df = (df.rename(columns={"Fully Diluted Market Cap": "MarketCap"})[usecols]
          .sort_values("24h", ascending=False, key=lambda ser: ser.str.replace("%", "").astype(float))
          .replace(r"^\$", "", regex=True)
     )

df = df.head(5).to_markdown(index=True)
print(df)

方案2：过滤无数字的条目（按需选择） #

如果只需要处理带数字的币种数据，可以先过滤掉Name列不含数字的行：

# 先筛选出Name列包含数字的行
df = df[df["Name"].str.contains(r"\d+")]
# 再执行拆分
df[["Name", "Symbol"]] = df["Name"].str.split(r"\d+", expand=True, n=1)

内容的提问来源于stack exchange，提问作者Drew Duazeh