Pandas axis=1调用apply时，赋值不同长度数组/列表遇ValueError

我刚好碰到过类似的坑，咱们来拆解一下为什么会出现这个错误，以及怎么搞定它。

问题根源 #

当你用apply(axis=1)给DataFrame新增列时，Pandas会根据返回值的类型来决定处理逻辑：

• 如果返回的是numpy数组：Pandas会默认尝试把所有返回的数组堆叠成一个二维数组。但如果数组长度不一致（比如有的是2个元素，有的是3个），就会触发广播错误，也就是你看到的could not broadcast input array from shape (2) into shape (3)。
• 如果返回的是Python列表：Pandas的行为会有点“看第一个元素的脸色”——如果第一个返回的列表长度较短，后面更长的列表会被当作单个object类型的单元格值；但如果第一个列表长度较长，后面短的列表会被Pandas强行尝试广播成相同长度，失败就会报错。这就是为什么调换数据顺序后列表赋值也会触发错误的原因。

解决方案 #

要让不同长度的序列（不管是numpy数组还是列表）都能正常作为单元格值存储，核心是让Pandas把每个序列当作单个object类型的元素，而不是尝试拼接成统一形状的数组。这里有两种可靠的方法：

方法1：统一转成Python列表 #

不管你的函数返回的是numpy数组还是列表，都显式转成Python列表，确保Pandas把它们当作单个单元格：

import numpy as np
import pandas as pd

data = [{'a': 1, 'b': '3412', 'c': 0}, {'a': 88, 'b': '56\t23', 'c': 1}, {'a': 45, 'b': '412\t34\t324', 'c': 2}]
df = pd.DataFrame.from_dict(data)

def get_rank_array(ids):
    ids = list(map(int, ids))
    return np.random.randint(0, 10, len(ids))

def get_rank_list(ids):
    ids = list(map(int, ids))
    return np.random.randint(0, 10, len(ids)).tolist()

# 修正后的数组赋值代码：转成list避免广播
df['rank_array'] = df.apply(lambda row: get_rank_array(row['b'].split('\t')).tolist(), axis=1)

# 修正后的列表赋值代码：确保返回列表（原函数已返回list，直接用即可）
df['rank_list'] = df.apply(lambda row: get_rank_list(row['b'].split('\t')), axis=1)

方法2：使用向量化的str.split + apply #

既然我们是对b列的字符串进行分割，不如直接用Pandas的向量化字符串操作，比apply(axis=1)更高效，也更稳定：

df['rank'] = df['b'].str.split('\t').apply(lambda x: np.random.randint(0, 10, len(x)).tolist())

验证结果 #

运行上面的代码后，你可以查看结果确认：

print(df['rank'].dtype)  # 输出 object
print(df)

每个单元格都会存储对应长度的列表，不会再触发广播错误。

内容的提问来源于stack exchange，提问作者swathis