已解决（pandas创建DataFrame对象失败）ValueError: 4 columns passed, passed data had 2 columns

文章目录

报错代码
报错翻译
报错原因
解决方法
创建DataFrame对象的四种方法
- 1. list列表构建DataFrame
- 2. dict字典构建DataFrame
- 3. ndarray创建DataFrame
- 4. Series创建DataFrame
帮忙解决

报错代码

粉丝群一个小伙伴想pandas创建DataFrame对象，但是发生了报错（当时他心里瞬间凉了一大截，跑来找我求助，然后顺利帮助他解决了，顺便记录一下希望可以帮助到更多遇到这个bug不会解决的小伙伴），报错代码如下：

import pandas as pddata = [[1, 2], [3, 4], [5, 6], [7, 9]]
df = pd.DataFrame(data, columns=list('ABCD'))
print(df)

报错信息截图如下所示：

报错翻译

报错信息翻译如下：

值错误：传递了4列，传递的数据有2列

报错原因

报错原因：

粉丝通过嵌套列表创建DataFrame，[1, 2]为两个元素，所以所对应的列也应该是两列，但是columns传递了4列，所以报错。小伙伴们按下面的代码创建即可！！！

解决方法

正确的创建语句：

import pandas as pddata = [[1, 2], [3, 4], [5, 6], [7, 9]]
df = pd.DataFrame(data, columns=list('AB'))
print(df)

运行结果：

创建DataFrame对象的四种方法

DataFrame 构造方法如下：

pandas.DataFrame( data, index, columns, dtype, copy)

参数说明：

data：一组数据(ndarray、series, map, lists, dict 等类型)。
index：索引值，或者可以称为行标签。
columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。
dtype：数据类型。
copy：拷贝数据，默认为 False。

1. list列表构建DataFrame

1）通过单列表创建

>>> import pandas as pd
>>>
>>> data = [0, 1, 2, 3, 4, 5]
>>> df = pd.DataFrame(data)
>>> print(df)0
0  0
1  1
2  2
3  3
4  4
5  5
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>

2）通过嵌套列表创建

>>> import pandas as pd
>>>
>>> data = [['小明', 20], ['小红', 10]]
>>> df = pd.DataFrame(data, columns=['name', 'age'], dtype=float)
sys:1: FutureWarning: Could not cast to float64, falling back to object. This behavior is deprecated. In a future version, when a dtype is passed to 'DataFrame', either all columns will be cast to that dtype, or a TypeError will be raised
>>> print(df)name   age
0   小明  20.0
1   小红  10.0
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>

3）列表中嵌套字典（字典的键被用作列名，缺失则赋值为NaN）：

>>> import pandas as pd
>>>
>>> data = [{'A': 1, 'B': 2}, {'A': 3, 'B': 4, 'C': 5}]
>>> df = pd.DataFrame(data)
>>> print(df)A  B    C
0  1  2  NaN
1  3  4  5.0
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>

2. dict字典构建DataFrame

使用 dict 创建，dict中列表的长度必须相同，如果传递了index，则索引的长度应等于数组的长度。如果没有传递索引，则默认情况下，索引将是range(n)，其中n是数组长度。

1）普通创建：

>>> import pandas as pd
>>>
>>> data = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}
>>> df = pd.DataFrame(data)
>>> print(df)name  age
0   小红   10
1   小明   20
2   小白   30
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>

2）设置index创建：

>>> import pandas as pd
>>>
>>> data = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}
>>> df = pd.DataFrame(data, index=['老三', '老二', '老大'])
>>> print(df)name  age
老三   小红   10
老二   小明   20
老大   小白   30
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>

3. ndarray创建DataFrame

1）普通方式创建：

>>> import pandas as pd
>>> import numpy as np
>>>
>>> data = np.random.randn(3, 3)
>>> print(data)
[[-1.9332579   0.70876382 -0.44291914][-0.26228642 -1.05200338  0.57390067][-0.49433001  0.70472595 -0.50749279]]
>>> print(type(data))
<class 'numpy.ndarray'>
>>> df = pd.DataFrame(data)
>>> print(df)0         1         2
0 -1.933258  0.708764 -0.442919
1 -0.262286 -1.052003  0.573901
2 -0.494330  0.704726 -0.507493
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>

2）设置列名创建：

>>> import pandas as pd
>>> import numpy as np
>>>
>>> data = np.random.randn(3, 3)
>>> print(data)
[[-0.22028147  0.62374794 -0.66210282][-0.71785439 -1.21004547  1.15663811][ 1.47843923  0.4385811   0.31931312]]
>>> print(type(data))
<class 'numpy.ndarray'>
>>> df = pd.DataFrame(data, columns=list("ABC"))
>>> print(df)A         B         C
0 -0.220281  0.623748 -0.662103
1 -0.717854 -1.210045  1.156638
2  1.478439  0.438581  0.319313
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>

4. Series创建DataFrame

>>> import pandas as pd
>>>
>>> data = {'A': pd.Series(1, index=list(range(4)), dtype='float32'),
...         'B': pd.Series(2, index=list(range(4)), dtype='float32'),
...         'C': pd.Series(3, index=list(range(4)), dtype='float32')
...         }
>>> df = pd.DataFrame(data)
>>> print(df)A    B    C
0  1.0  2.0  3.0
1  1.0  2.0  3.0
2  1.0  2.0  3.0
3  1.0  2.0  3.0
>>> print(type(df))
<class 'pandas.core.frame.DataFrame'>

帮忙解决

本文已收录于：《告别Bug》专栏

本专栏用于记录学习和工作中遇到的各种疑难Bug问题，以及粉丝群里小伙伴提出的各种问题，文章形式：报错代码 + 报错翻译 + 报错原因 + 解决方法，包括程序安装、运行程序过程中等等问题，订阅专栏+关注博主后如遇到其他问题可私聊帮忙解决！！！

已解决ValueError: 4 columns passed, passed data had 2 columns相关推荐

已解决ValueError: Length mismatch: Expected axis has 5 elements, new values have 4 elements
已解决ValueError: Length mismatch: Expected axis has 5 elements, new values have 4 elements 文章目录报错代码报 ...
已解决ValueError: Expected 2D array, got 1D array instead
已解决ValueError: Expected 2D array, got 1D array instead 文章目录报错问题解决方法 PS 报错问题之前在工作中遇到过这个坑,记录一下问题以及解 ...
已解决ValueError: Shape of passed values is (1509, 1), indices imply (1509, 2)
已解决(pandas创建DataFrame对象失败)ValueError: Shape of passed values is (1509, 1), indices imply (1509, 2) 文 ...
已解决ValueError: Shape of passed values is (6, 3), indices imply (4, 3)
已解决(pd.concat连接错误)ValueError: Shape of passed values is (6, 3), indices imply (4, 3) 文章目录报错代码报错翻译 ...
已解决ValueError: All arrays must be of the same length
已解决(pandas创建DataFrame对象报错)ValueError: All arrays must be of the same length 文章目录报错代码报错翻译报错原因解决方法 ...
已解决ValueError: More than 4094 XFs (styles)
已解决(Python xlwt写入Excel样式报错)ValueError: More than 4094 XFs (styles) 文章目录报错代码报错翻译报错原因解决方法报错代码我的代 ...
【已解决】Error occurred during loading data. Trying to use cache server_Python系列学习笔记
报错: Error occurred during loading data. Trying to use cache server Error occurred during loading dat ...
(20200410已解决)ValueError: Cannot convert non-finite values (NA or inf) to integer
问题描述使用df['col'].astype(int)出现如题错误. 原因是col列有些记录是空,所以没法转成int. 解决方案 df['col'].fillna(0) 将此列空值填充为0或其他数字 ...
tushare接口get_realtime_quotes报错：AssertionError: 33 columns passed, passed data had 34 columns
tushare接口get_realtime_quotes,今天报错了: AssertionError: 33 columns passed, passed data had 34 columns 看了 ...

已解决ValueError: 4 columns passed, passed data had 2 columns