Pandas运行报错：期望1D数组但得到shape(18632,3)的ValueError

触发这个值错误的核心原因是给DataFrame单列赋值时传入了二维多列表格，pandas期望接收一维数组/Series，实际拿到了形状为(18632, 3)的二维数组。
问题出在两处赋值逻辑：

1. 循环计算各品类订单金额时，groupby(..., as_index=False)返回的temp是包含CustomerID、InvoiceNo、当前categ_i列共3列的DataFrame，直接把整个temp赋值给basket_price的单个新列，维度完全不匹配。
2. 后续提取订单日期时，同样把包含3列的temp整个传给了basket_price['InvoiceDate']，也会触发维度错误。

• 先对应报错的数组形状：(18632, 3)的3列刚好匹配「2个分组键+1个聚合列」的groupby返回结构，18632是去重后的用户-订单组合总数，直接就能定位到是groupby结果整体赋值给单列导致的问题。
• 逐段打印赋值用的临时变量结构：在赋值前加print(temp.shape, temp.columns)，就能直观看到temp是3列的二维结构，不是要求的一维数据。

有两种可直接运行的修复方式：

方式1：最小改动修复原代码 #

只需要在赋值时，从temp里单独取出你需要的那一列的数值，不要传入整个DataFrame即可，修正后代码：

# 按用户+订单维度聚合计算每单总金额
temp = df_cleaned.groupby(by=['CustomerID', 'InvoiceNo'], as_index=False)['TotalPrice'].sum()
basket_price = temp.rename(columns = {'TotalPrice':'Basket Price'})

# 聚合每个订单下各品类的消费金额
for i in range(5):
    col = 'categ_{}'.format(i) 
    temp = df_cleaned.groupby(by=['CustomerID', 'InvoiceNo'], as_index=False)[col].sum()
    # 仅提取当前品类的聚合值做赋值，取.values避免索引对齐问题
    basket_price.loc[:, col] = temp[col].values

# 提取订单对应日期
df_cleaned['InvoiceDate_int'] = df_cleaned['InvoiceDate'].astype('int64')
temp = df_cleaned.groupby(by=['CustomerID', 'InvoiceNo'], as_index=False)['InvoiceDate_int'].mean()
df_cleaned.drop('InvoiceDate_int', axis = 1, inplace = True)
# 仅提取时间字段做格式转换后赋值
basket_price.loc[:, 'InvoiceDate'] = pd.to_datetime(temp['InvoiceDate_int'].values)

# 筛选有效订单并预览前5条
basket_price = basket_price[basket_price['Basket Price'] > 0]
basket_price.sort_values('CustomerID', ascending = True)[:5]

方式2：一次性聚合更稳妥 #

不用逐列循环赋值，直接在groupby阶段一次性把所有需要聚合的字段算完，从根源避免维度不匹配、行顺序错位的问题：

# 定义所有字段的聚合规则
agg_config = {
    'TotalPrice': 'sum',
    'InvoiceDate_int': 'mean'
}
for i in range(5):
    agg_config[f'categ_{i}'] = 'sum'

# 一次性按用户+订单维度聚合所有字段
basket_price = df_cleaned.groupby(by=['CustomerID', 'InvoiceNo'], as_index=False).agg(agg_config)

# 字段重命名、格式转换
basket_price = basket_price.rename(columns={'TotalPrice': 'Basket Price'})
basket_price['InvoiceDate'] = pd.to_datetime(basket_price['InvoiceDate_int'])
basket_price.drop('InvoiceDate_int', axis=1, inplace=True)

# 筛选有效订单并预览前5条
basket_price = basket_price[basket_price['Basket Price'] > 0]
basket_price.sort_values('CustomerID', ascending=True)[:5]

内容的提问来源于stack exchange，提问作者Anshul Raj