如何解决 ValueError：列必须与键长度相同？

Question

我有一个巨大的数据集（104259 行），在 game 列的某处，有一个或多个值具有多个 " - " 分隔符，我试图将这些列拆分。

我的示例数据框是：

df:
+-----+--------------+----------------+-------------+--------+---------------------------------------+----------+-------------+-------------+-------------+-----------+------------------------------+
|     |   Unnamed: 0 |   Unnamed: 0.1 | date        | time   | game                                  | score    | home_odds   | draw_odds   | away_odds   | country   | league                       |
+=====+==============+================+=============+========+=======================================+==========+=============+=============+=============+===========+==============================+
|   0 |            0 |              0 | nan         | 15:30  | Iliria Kruja - Cerrik                 | 0:3      | -           | -           | -           | Albania   | First Division               |
+-----+--------------+----------------+-------------+--------+---------------------------------------+----------+-------------+-------------+-------------+-----------+------------------------------+
|   1 |            1 |              1 | 25 Jul 2020 | 15:30  | Elbasani - Devolli                    | 3:1      | -           | -           | -           | Albania   | First Division               |
+-----+--------------+----------------+-------------+--------+---------------------------------------+----------+-------------+-------------+-------------+-----------+------------------------------+
|   2 |            2 |              2 | 11 Jul 2020 | 15:30  | Beselidhja Lezha - Kastrioti          | 2:0      | 1.46        | 3.80        | 6.40        | Albania   | First Division               |
+-----+--------------+----------------+-------------+--------+---------------------------------------+----------+-------------+-------------+-------------+-----------+------------------------------+
|   3 |            3 |              3 | 05 Jul 2020 | 15:30  | Lushnja - Apolonia Fier               | 1:2      | 2.39        | 3.56        | 2.44        | Albania   | First Division               |
+-----+--------------+----------------+-------------+--------+---------------------------------------+----------+-------------+-------------+-------------+-----------+------------------------------+

当我运行这部分代码时：

df[['home_team', 'away_team']] = df['game'].str.split(' - ', expand=True)

我收到此错误：

        Traceback (most recent call last):
  File "C:/Users/harsh/AppData/Roaming/JetBrains/PyCharmCE2021.1/scratches/scratch_37.py", line 22, in <module>
    df[['home_team', 'away_team']] = df['game'].str.split(' - ', expand=True)
  File "C:\Python\lib\site-packages\pandas\core\frame.py", line 3160, in __setitem__
    self._setitem_array(key, value)
  File "C:\Python\lib\site-packages\pandas\core\frame.py", line 3189, in _setitem_array
    raise ValueError("Columns must be same length as key")
ValueError: Columns must be same length as key

虽然我怀疑str.split 不止一次遇到一个或多个行，但我不确定哪些行。

现在，我可以选择：

1. 如果此类数据的行数较少（少于 10 个），我可以安全地选择删除它们或
2. 如果超过 10 行，我可以在第一次遇到此分隔符时将它们拆分。

我只是不确定如何在代码方面做到这一点。

我该如何检查和解决这个问题？

Answer 1

您的某些行可能不止一个 " - " 字符串。如果您对结构非常确定并且想在第一次遇到分隔符时进行拆分，请使用以下n 参数，如下所示：

df['game'].str.split(' - ', expand=True, n=1)

文档here。