Pandas索引比较报Lengths must match错如何匹配DataFrame长度

执行索引比较时触发Lengths must match to compare，是因为比较运算符两侧的序列长度不匹配，pandas无法完成对齐运算：

• 左侧df.index是原DataFrame全量行的索引，示例中长度为6
• 右侧df[df.a == 5].index是筛选a列值为5的行后得到的子集索引，示例中长度仅为2
• 两个长度不一致的序列直接做>比较，不符合pandas序列运算的对齐规则，因此直接抛错。

从给出的预期结果反推，实际要实现的逻辑是：每出现一次a列值为5的行，从该行开始往后的所有行的b列值减1。

不需要做不等长索引比较，用累计计数的方式生成和原DataFrame等长的减数序列即可，逻辑简洁且不会出现长度不匹配问题，属于向量化运算，运行效率更高：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    [[0, 10], [5, 10], [0, 10], [5, 10], [0, 10], [0, 10]],
    columns=["a", "b"]
)
# 逐行累计到当前位置为止a列等于5的出现次数，返回序列和原df长度完全一致
cum_adjust = (df["a"] == 5).cumsum()
# 直接对b列做逐行减法
df["b"] -= cum_adjust

执行后打印df即可得到预期结果：

a   b
0  0  10
1  5   9
2  0   9
3  5   8
4  0   8
5  0   8

如果一定要沿用布尔索引筛选后做减法的思路，可以对每个a=5的索引位置单独生成等长掩码、逐次调整，逻辑更直观但运行效率低于累计计数方案：

for target_idx in df[df.a == 5].index:
    m = df.index >= target_idx
    df.loc[m, 'b'] -= 1

运行结果和预期完全一致。

内容的提问来源于stack exchange，提问作者Lance