DataFrame匹配赋值报错：值与索引长度不匹配的解决方法

你遇到的错误是因为np.where要求比较的序列长度必须一致，但df_luad（521行）和df_tmb（586行）行数不同，逐行匹配的逻辑不成立，所以抛出长度不匹配的报错。下面是两种可靠的解决方案，确保仅为df_luad中匹配的行填充对应TMB值：

方法一：使用左连接合并DataFrame #

以df_luad为基准，通过pd.merge做左连接，自动匹配对应TMB值，未匹配的行留空（NaN）：

import pandas as pd

# 仅保留df_tmb中需要的列，避免合并后出现冗余
tmb_subset = df_tmb[['Patient ID', 'TMB (nonsynonymous)']]
# 左连接：保留df_luad所有行，匹配df_tmb中的对应数据
df1 = df_luad.merge(tmb_subset, 
                    left_on='Tumor_Sample_Barcode', 
                    right_on='Patient ID',
                    how='left')
# 重命名列到目标名称，并清理冗余列
df1 = df1.rename(columns={'TMB (nonsynonymous)': 'tmb_value'})
df1 = df1.drop(columns=['Patient ID'])

处理后df1行数与df_luad一致（521行），匹配成功的行有对应的TMB值，未匹配的行df1['tmb_value']为NaN。

方法二：用字典映射快速赋值 #

先将df_tmb的匹配关系转换成字典，再通过map方法为df_luad新增列：

# 构建Patient ID到TMB值的映射字典
tmb_mapping = df_tmb.set_index('Patient ID')['TMB (nonsynonymous)'].to_dict()
# 复制df_luad得到df1，并用map填充tmb_value列
df1 = df_luad.copy()
df1['tmb_value'] = df1['Tumor_Sample_Barcode'].map(tmb_mapping)

这个方法更简洁，同样能保证df1行数与原df_luad一致，未匹配的行值为NaN。

内容的提问来源于stack exchange，提问作者S.EB