足球数据集处理遇ValueError：值长度与索引长度不匹配

这个ValueError本质是处理后的home_goal数组和原DataFrame的行数对不上，肯定是你写的get_results函数里，拆分比分的逻辑没处理好那些非比分的Result（比如日期），要么是拆分时多生成了行，要么是漏了部分行，导致长度不匹配。毕竟你去掉进球字段就正常，说明问题百分百出在比分拆分这一步。

1. 先揪出所有异常的Result值 #

先把那些不是比分格式的条目找出来，看看到底有啥异常数据：

# 筛选出不符合「数字-数字」格式的行
invalid_rows = df[~df['Result'].str.match(r'^\d+-\d+$', na=False)]
print(invalid_rows['Result'].unique())

这一步能帮你确认所有日期或者其他奇怪格式的Result，后续好针对性处理。

2. 重写get_results函数，先过滤再拆分 #

原函数应该是没过滤无效数据就直接拆分了，导致生成了多余的行。改一下逻辑，只处理有效比分：

import pandas as pd

def get_results(df):
    # 复制原数据，避免修改原表
    df_copy = df.copy()
    
    # 先标记哪些行是有效比分
    df_copy['is_valid'] = df_copy['Result'].str.match(r'^\d+-\d+$', na=False)
    
    # 只给有效比分的行拆分进球数
    valid_scores = df_copy.loc[df_copy['is_valid'], 'Result'].str.split('-', expand=True).astype(int)
    df_copy.loc[df_copy['is_valid'], ['home_goal', 'away_goal']] = valid_scores
    
    # 无效比分的进球数设为缺失值（你也可以设成0，看需求）
    df_copy.loc[~df_copy['is_valid'], ['home_goal', 'away_goal']] = pd.NA
    
    # 计算比赛结果和积分
    def calculate_result(row):
        if pd.isna(row['home_goal']):
            return pd.NA
        if row['home_goal'] > row['away_goal']:
            return 'H'
        elif row['away_goal'] > row['home_goal']:
            return 'A'
        else:
            return 'D'
    
    df_copy['result'] = df_copy.apply(calculate_result, axis=1)
    df_copy['home_points'] = df_copy['result'].map({'H':3, 'D':1, 'A':0})
    df_copy['away_points'] = df_copy['result'].map({'H':0, 'D':1, 'A':3})
    
    # 删掉标记列，看着清爽
    df_copy = df_copy.drop('is_valid', axis=1)
    
    return df_copy

这个逻辑的关键在于：只对符合比分格式的行做拆分，无效行直接设缺失值，全程都是在原DataFrame的行基础上操作，不会新增或减少行，自然就不会出现长度不匹配的问题。

3. 验证是否解决问题 #

运行完函数后，检查一下长度：

processed_df = get_results(your_raw_df)
print(len(processed_df['home_goal']), len(processed_df))

现在两个长度应该完全一致了。

4. 关于2021赛季数据 #

你说排除2021数据还是报错，说明不是2021的问题，是整个数据集里都有异常Result值。如果这些无效数据没用，直接删掉也行：

# 只保留有效比分的行
clean_df = df[df['Result'].str.match(r'^\d+-\d+$', na=False)]
processed_df = get_results(clean_df)

• 别在处理过程中随便用会改行数的操作（比如没指定subset的dropna()，或者直接把split后的结果赋值给原DF），这是导致长度不匹配的头号原因
• 处理脏数据的原则：先筛选有效数据，再做计算，异常数据单独处理

内容的提问来源于stack exchange，提问作者zp24