从多级索引DataFrame提取指定列时遭遇长度不匹配ValueError

错误根源 #

你触发的ValueError来自这两行无效代码：

pairs = pd.DataFrame()
pairs.columns = ['Date', ticker1, ticker2]

空DataFrame没有任何列（轴元素数为0），但你试图给它分配3个列名，长度不匹配直接引发报错。更关键的是这两行完全多余——后面你通过loc和merge重新赋值了pairs，之前的空DataFrame操作没有任何实际作用。

修正后的基础版函数 #

移除无效的初始化代码，直接按筛选-合并的逻辑编写：

def pairs(ticker1, ticker2):
    # 分别筛选两个ticker的数据
    df_ticker1 = data_df.loc[data_df['Ticker'] == ticker1]
    df_ticker2 = data_df.loc[data_df['Ticker'] == ticker2]
    # 按Date合并，自动保留共同日期的记录
    merged_result = df_ticker1.merge(df_ticker2, on='Date', suffixes=(f'_{ticker1}', f'_{ticker2}'))
    # 重命名列名符合预期结构
    merged_result.columns = ['Date', ticker1, ticker2]
    return merged_result

适配多级索引场景的版本 #

如果你的data_df是**(Date, Ticker)**格式的多级索引结构，需要调整筛选逻辑为按索引取值：

def pairs(ticker1, ticker2):
    # 从多级索引中提取指定ticker的数据
    df_ticker1 = data_df.xs(ticker1, level='Ticker')
    df_ticker2 = data_df.xs(ticker2, level='Ticker')
    # 基于Date索引合并，效率更高
    merged_result = df_ticker1.join(df_ticker2, lsuffix=f'_{ticker1}', rsuffix=f'_{ticker2}')
    # 重置索引并调整列名
    merged_result.reset_index(inplace=True)
    merged_result.columns = ['Date', ticker1, ticker2]
    return merged_result

你第二版尝试代码的问题 #

你写的第二版代码存在两处明显错误：

1. 拼写错误：data.df应为data_df
2. 逻辑错误：data_df.ticker1.isin(...)中的ticker1不是列名，正确的筛选逻辑应该是针对Ticker列，且需要转成宽格式才能得到两列结构：

# 筛选目标ticker的行，再转成宽格式
pairs_df = data_df[data_df['Ticker'].isin([ticker1, ticker2])].pivot(
    index='Date', 
    columns='Ticker', 
    values='Price'  # 替换为你实际的数值列名
).reset_index()
pairs_df.columns = ['Date', ticker1, ticker2]

内容的提问来源于stack exchange，提问作者Sean Simms