如何解决pandas由YouTube评论字典创建DataFrame时的arrays must all be same length报错

ValueError: arrays must all be same length 是pandas创建DataFrame时的硬性校验规则触发的报错：字典中每一个键对应的可迭代对象长度必须完全一致，否则无法按行对齐生成二维表格结构。
结合YouTube评论爬取的场景，最常见的触发原因有两类：

• 视频属性类字段（Channel、Video Title、Video ID等）本身是单值字符串/数字，没有整理为和评论列表同长度的序列，直接传入字典时，pandas会把这个单值当成一个长度为1的数组，和评论层列表（长度为评论总数）形成长度差
• 评论抓取过程中部分字段（比如作者ID、点赞数）漏采了条目，导致单个字段的列表长度和其他评论字段不匹配

第一步：精准定位长度异常的字段 #

逐字段打印每个键对应的序列长度，直接定位哪几个字段和基准长度不匹配，不需要靠猜测排查：

# 逐字段校验长度，定位不匹配项
for field_name, field_value in output_dict.items():
    print(f"字段名：{field_name}，数据长度：{len(field_value)}")

正常单视频爬取场景下，评论层字段（Comment、Comment ID、Likes、发布时间、作者ID）的长度应该完全相等，以这个长度为基准，其余字段长度不一致就是报错来源。

对应场景的解决方案 #

场景1：单视频维度爬取，视频属性为固定标量值 #

这类场景下Channel、视频标题、视频描述、视频ID都是不随评论变化的固定值，需要把标量值重复填充为和评论列表等长的序列，再传入DataFrame：

# 以评论列表的实际条数为基准行长度
base_len = len(comments_pop)

output_dict = {
    # 固定视频字段：把单值重复为等长列表
    'Channel': [channel_pop] * base_len,
    'Video Title': [video_title_pop] * base_len,
    'Video Description': [video_desc_pop] * base_len,
    'Video ID': [video_id_pop] * base_len,
    # 评论级字段：逐评论对应直接传入
    'Comment': comments_pop,
    'Comment ID': comment_id_pop,
    'Likes': like_count_pop,
    'publishedAt': published_at_pop,
    'authorChannelId': authorChannelId_pop,
}
# 原代码中多余的columns参数可以去掉，字典本身自带列顺序
output_df = pd.DataFrame(output_dict)

场景2：多视频批量爬取，存在字段残缺/长度不一致 #

如果批量抓取过程中部分字段有缺失（比如某条评论没有返回作者ID、部分视频漏了描述字段），可以直接用pd.Series包裹每个字段，pandas会自动对长度不一致的字段做缺失值填充，不会主动抛出长度校验错误：

output_df = pd.DataFrame({
    'Channel': pd.Series(channel_pop),
    'Video Title': pd.Series(video_title_pop),
    'Video Description': pd.Series(video_desc_pop),
    'Video ID': pd.Series(video_id_pop),
    'Comment': pd.Series(comments_pop),
    'Comment ID': pd.Series(comment_id_pop),
    'Likes': pd.Series(like_count_pop),
    'publishedAt': pd.Series(published_at_pop),
    'authorChannelId': pd.Series(authorChannelId_pop),
})

注意：自动对齐后需要检查生成的空值位置，如果是爬虫逻辑漏抓导致的字段长度不足，需要回到抓取流程补全缺失数据，避免CSV中存储无效空值。

隐蔽坑点排查 #

如果打印长度发现某字段长度异常偏小（比如只有1、2），需要检查爬虫循环的赋值逻辑：

• 是否在循环内直接对like_count_pop这类变量做赋值覆盖，没有执行list.append()追加数据，导致最终变量只保留了最后一条抓取结果的单值
• 是否在遇到接口请求错误时，没有为对应字段补占位值就直接跳过循环，导致列表长度比其他字段短

内容的提问来源于stack exchange，提问作者sabr ine