pandas合并DataFrame同特征行计算列均值及ValueError报错排查

现有一个包含两类信息的pandas DataFrame：

• 特征属性列：共3列，混合整数、字符串类型，存储条目的属性特征
• 排放值列：共2列，为浮点格式，存储对应条目的排放监测值
  原始样例数据如下：

需求为：将3个特征列取值完全相同的行合并，计算2个排放列的均值，得到如下结构的结果表：

使用如下代码尝试实现需求时触发报错：

df.groupby(['Charact. 1', 'Charact. 2', 'Charact. 3'], as_index=False).agg({'Emission 1': 'mean', 'Emission 2': 'mean',})

具体报错信息：

ValueError: Length of values (10345) does not match length of index (10687600)

该报错本质是DataFrame索引结构损坏导致的：

• 报错信息里的10687600是原始DataFrame的总行数，10345是分组后得到的唯一特征组数量
• 当groupby传入as_index=False参数时，pandas会尝试将分组聚合后的短结果对齐到原始DataFrame的长索引上。如果此前对DataFrame做过不规范的行拼接、条件筛选、原地赋值等操作，导致索引重复、错位、不连续，就会出现结果长度和索引长度不匹配的报错。

可以先执行以下代码确认索引问题：

# 检查索引是否唯一，返回False则说明索引存在重复/损坏
print(df.index.is_unique)

方案1：修复索引后运行原逻辑 #

先重置索引修复错位的索引结构，再执行原有聚合逻辑，写法和最初的代码逻辑完全一致：

# 重置索引，丢弃原有损坏的索引
df_fixed = df.reset_index(drop=True)
result = df_fixed.groupby(
    ['Charact. 1', 'Charact. 2', 'Charact. 3'],
    as_index=False
)[['Emission 1', 'Emission 2']].mean()

方案2：绕开as_index的索引对齐逻辑 #

分组时不设置as_index=False，聚合完成后再重置索引，从根源避免索引匹配问题，兼容性更强：

result = df.groupby(
    ['Charact. 1', 'Charact. 2', 'Charact. 3']
)[['Emission 1', 'Emission 2']].mean().reset_index()

两种方案输出的结果完全匹配需求中的目标表结构，用样例数据测试可得到预期的均值计算结果。

内容的提问来源于stack exchange，提问作者Mikel Alba