将列表存入pandas DataFrame单元格触发ValueError的解决方案问询

该报错本质是pandas赋值时的维度匹配逻辑冲突，具体触发原因如下：

1. 通过pd.read_csv读取文件时，Attribute_consolidated列会被pandas自动推断dtype，通常会被识别为字符串、数值等只能存储标量的类型，无法兼容列表这类序列对象。
2. 即便该列的dtype为object，pandas默认会将传入的长度为3的列表解析为要分配给3个对应位置的取值，和单个单元格的存储维度不匹配，因此抛出错误。

你此前能成功赋值，大概率是当时的目标列本身就是object类型，且已经存储过列表类的非标准标量元素，pandas不会再尝试解析传入序列的维度。

• 方案一：强制转换列类型后包装列表赋值（最通用，直接存储列表类型）

import pandas as pd
# 你的原始代码
df = pd.read_csv('C:/Users/ymx19/Desktop/EHS/Location/results/Batch3_exclude_enterprise_wenran/first 100 - attribute/ABM.csv')
list_2 = ['a','b','c']

# 新增：将目标列强制转为object类型
df['Attribute_consolidated'] = df['Attribute_consolidated'].astype('object')
# 赋值时将列表包裹在长度为1的列表中，告知pandas将整个列表视为单个元素
df.at[0, 'Attribute_consolidated'] = [list_2]

• 方案二：转换为元组后赋值（兼容性更好，读写性能更高）
  如果接受单元格中存储元组类型，可直接赋值，无需额外包裹：

df['Attribute_consolidated'] = df['Attribute_consolidated'].astype('object')
df.at[0, 'Attribute_consolidated'] = tuple(list_2)
# 后续使用时直接转换为列表即可：list(df.at[0, 'Attribute_consolidated'])

• 方案三：统一列存储逻辑后赋值（适合需要批量存储列表到该列的场景）

# 先将列中原有所有标量值转换为单元素列表，统一列的存储格式
df['Attribute_consolidated'] = df['Attribute_consolidated'].apply(lambda x: [x])
# 后续可直接赋值列表，无需额外处理
df.at[0, 'Attribute_consolidated'] = list_2

注意：将列表/元组存入DataFrame单元格会丢失pandas的向量化运算特性，仅适合小量自定义标记的存储场景，不建议大规模使用。

内容的提问来源于stack exchange，提问作者Yumeng Xu