将31×36的numpy array转为pandas dataframe遇ValueError，如何解决？

嗨，这个问题其实是个很常见的小疏忽——你被Python里range()的左闭右开特性坑啦！咱们一步步拆解问题、解决它：

首先看你遇到的报错：

ValueError: Shape of passed values is (36, 31), indices imply (35, 30)

这个错误的核心是：你手动指定的索引（index）和列名（columns）的长度，和numpy数组的行、列数完全不匹配。

问题根源在哪？ #

你的numpy数组是31行 × 36列，但：

• range(1, 31)生成的是从1到30的整数，一共30个值——比数组的行数少了1个；
• range(1, 36)生成的是从1到35的整数，一共35个值——比数组的列数少了1个。

Python的range(a, b)是左闭右开区间，只会包含a到b-1的数，这就是导致形状不匹配的关键！

两种靠谱的解决方案 #

方案1：手动修正range的结束值

既然数组是31行，那索引要覆盖1到31，所以用range(1, 32)；列是36列，用range(1, 37)：

import pandas as pd
import numpy as np

# 假设你的数组名为matrix，形状31×36
df = pd.DataFrame(
    data=matrix,
    index=np.array(range(1, 32)),  # 生成1-31，共31个元素，匹配行数
    columns=np.array(range(1, 37))  # 生成1-36，共36个元素，匹配列数
)

方案2：动态匹配数组形状（更推荐）

如果以后数组形状可能变化，手动写数字容易出错，不如直接用数组的shape属性动态生成索引和列名：

df = pd.DataFrame(
    data=matrix,
    index=np.arange(1, matrix.shape[0] + 1),  # 绑定数组行数，自动生成对应长度的索引
    columns=np.arange(1, matrix.shape[1] + 1)  # 绑定数组列数，自动生成对应长度的列名
)

这里用np.arange()和range()效果类似，但直接关联数组形状，扩展性更强，不用每次改数字。

快速验证 #

用一个小测试数组确认效果：

test_matrix = np.random.rand(2, 3)  # 2行3列的测试数组
df_test = pd.DataFrame(
    data=test_matrix,
    index=np.arange(1, 2+1),
    columns=np.arange(1, 3+1)
)
print(df_test.shape)  # 输出(2, 3)，完全匹配

这样就能顺利完成转换啦！

内容的提问来源于stack exchange，提问作者konstantin