Pandas报错值长度与索引长度不匹配，PyCharm报错Jupyter正常如何解决

错误原因 #

• 聚合逻辑未指定作用列：你在groupby后直接调用agg传入自定义lambda，会对DataFrame内所有列（包括原created_at列）都应用聚合规则。而created_at已经是分组的键值，默认会作为结果的索引存在，不需要再做聚合。Jupyter中安装的pandas版本较低，对这种不规范写法容错性高，PyCharm环境的pandas版本更高，会严格校验聚合后的返回值长度，因此触发报错。
• 代码换行存在语法隐患：你定义lambda内的拼接分隔符时，直接在单引号后换行且没有加续行符，导致PyCharm解析代码时将该段代码识别为两条独立语句，lambda返回值结构异常，进一步触发长度不匹配错误。Jupyter对交互式输入的代码换行容错性更强，因此没有报错。

修复代码 #

import pandas as pd

def aggregated():
    # 读取时直接指定需要的列，省略多余的DataFrame初始化步骤
    df = pd.read_csv(r'news_collection.csv', usecols=['created_at', 'text'])
    df['created_at'] = pd.to_datetime(df['created_at'])
    df['text'] = df['text'].astype(str)
    pd.set_option('display.max_colwidth', 0)
    # 明确指定只对text列做聚合，分隔符不要换行
    df = df.groupby(pd.Grouper(key='created_at', freq='1D')).agg({'text': lambda x: ' '.join(set(x))})
    return df

if __name__ == '__main__':
    res = aggregated()
    print(res)
    res.to_csv(r'preprocessed_tweets_aggregated.csv', index=True, header=True)

额外优化建议 #

• 避免重复调用aggregated()函数，原代码中打印和保存时各调用了一次，会重复执行读取、计算逻辑，改成调用一次后用变量接收结果即可。
• 字符串转类型直接用astype(str)即可，不需要写apply lambda，效率更高。

内容的提问来源于stack exchange，提问作者Niroshan Ratnayake