解决DataFrame值映射时的ValueError: Lengths must match to compare错误

错误原因 #

你写的代码里，mapping_df["trench_code"] in df2['trench_tag'].values是将整个trench_code列（Series）和df2['trench_tag']的取值数组做比较，两者长度不匹配，直接触发ValueError。同时apply的用法有误，你传递的不是逐行执行的函数，而是一个全局的条件表达式，逻辑上也不成立。

正确解决方案 #

方法1：使用merge（推荐，大数据量下效率更高） #

通过合并操作直接关联两个DataFrame，自动匹配对应值，不匹配的填充NaN：

# 提取mapping_df中需要的列，避免合并后产生冗余列
mapping_sub = mapping_df[['trench_code', 'fink_code']]
# 以左连接方式关联df2和mapping_sub，匹配字段为df2的trench_tag和mapping_sub的trench_code
df2 = df2.merge(mapping_sub, left_on='trench_tag', right_on='trench_code', how='left')
# 重命名列并删除临时列
df2.rename(columns={'fink_code': 'fink_sub_tag_key'}, inplace=True)
df2.drop('trench_code', axis=1, inplace=True)

方法2：使用map结合字典映射 #

先构建trench_code到fink_code的映射关系，再批量匹配到df2中：

# 构建映射字典：key为trench_code，value为对应的fink_code
trench_to_fink = mapping_df.set_index('trench_code')['fink_code'].to_dict()
# 给df2新增列，匹配不到的自动填充NaN
df2['fink_sub_tag_key'] = df2['trench_tag'].map(trench_to_fink)

方法3：修正apply的用法（小数据量场景适用） #

逐行检查mapping_df的trench_code是否存在于df2的trench_tag集合中，匹配则返回对应fink_code：

import numpy as np

# 将df2的trench_tag转为集合，提升查询效率
trench_tags = set(df2['trench_tag'].values)
# 给mapping_df新增匹配列（若你实际需求是给df2加列，优先用前两种方法）
mapping_df['fink_sub_tag_key'] = mapping_df.apply(
    lambda row: row['fink_code'] if row['trench_code'] in trench_tags else np.nan,
    axis=1
)

内容的提问来源于stack exchange，提问作者Stanislav Jirak