pandas使用np.argwhere新增列报长度不匹配ValueError如何解决

np.argwhere 仅会返回判断条件为True的元素对应的索引，不会为条件不成立的行返回任何占位值。你的数据里第0行valsup和up_value值相等，不满足>判断，因此np.argwhere只返回了剩下6085行的索引，长度比原DataFrame的6086行少1，直接赋值给新列就会触发长度不匹配的报错。

根据你实际需要的idx_up列效果，选对应方案即可：

• 如果你需要新列和原表行对齐：不满足条件的行留空，满足条件的行填对应原索引，直接用pandas原生的掩码赋值即可，不需要用np.argwhere

# 初始化列，默认值设为缺失值
df["idx_up"] = pd.NA
# 生成判断条件掩码
cond = df["valsup"] > df["up_value"]
# 给满足条件的行赋值为对应行索引
df.loc[cond, "idx_up"] = df.index[cond]

运行后第0行因为不满足条件值为缺失值，1~6085行的idx_up值和你之前用np.argwhere拿到的索引完全一致，长度和原表完全匹配，不会报错。

• 如果你只是需要拿到所有满足条件的行索引，不需要做新列：不要把结果赋值给DataFrame列，单独存为变量即可，记得把argwhere返回的二维数组展平成一维方便使用

# 展平后得到一维的索引数组，长度为6085
up_indices = np.argwhere((df["valsup"] > df["up_value"]).values).flatten()

• 如果你需要给满足条件的行按顺序标记序号（不是原行号）：可以用累计求和的方式实现

cond = df["valsup"] > df["up_value"]
df["idx_up"] = cond.cumsum()
# 不满足条件的行设为缺失值
df.loc[~cond, "idx_up"] = pd.NA

这个写法下，第一个满足条件的行（第1行）值为1，第二个（第2行）值为2，以此类推。

核心注意点：pandas要求赋值给新列的一维数据长度必须和原DataFrame行数完全一致，任何长度不匹配的输入都会触发你遇到的ValueError，不要强行把长度不对的结果塞给新列。

内容的提问来源于stack exchange，提问作者John