每个人都可以，
拥有SSL证书

有次处理一份转置后的 DataFrame，想把行索引改成 2004 到 2022 的年份，结果直接报：

ValueError: Length mismatch: Expected axis has 34 elements, new values have 19 elements

一眼就看出来了，DataFrame 实际有 34 行，我给的年份列表只有 19 个，对不上。但为什么会有 34 行？因为前面做了转置和筛选，行数早就不是原始数据的维度了，赋值的时候还在用脑子里的旧印象。

这个错本质上就是数据维度跟索引长度不匹配。常见两种原因：一是转置、过滤、dropna 之后没再确认 shape，直接拿着固定长度的列表去赋 index；二是多人协作，函数接收的 DataFrame 行数可能变化，但写死了一个 range。

修法不复杂，核心就是别写死，动态取行数。

拿到 DataFrame 先看 shape，用 len(df) 或 df.shape[0] 作为生成索引的依据：

# 如果只是要整数索引
df_transposed.index = range(len(df_transposed))

# 如果需要年份索引，也要根据行数动态生成
# 假设从 2004 开始，往后推
start_year = 2004
years = list(range(start_year, start_year + len(df_transposed)))
df_transposed.index = years

更稳妥一点，赋值前加个长度检查，线上跑起来不会突然崩：

new_index = range(2004, 2023)  # 原来想当然写的 19 个年份
if len(new_index) == len(df_transposed):
    df_transposed.index = new_index
else:
    raise ValueError("索引长度与 DataFrame 行数不匹配")

如果根本不需要特定索引，直接用 reset_index(drop=True) 回到默认整数索引，或者保留原来的索引不动也行。很多人就是习惯性地想“整理一下索引”，反而引出了长度问题，其实很多时候不赋这个值完全没事。

预防上，中间步骤随手 print(df.shape) 能省很多排查时间。把索引赋值逻辑抽成一个函数，参数是 df 和索引生成规则，里面带长度校验，后面碰到不同数据集直接调，不用每次手动算。

总之，碰到 Length mismatch，先确认 df 当前行数，再检查你要赋的索引长度，别凭感觉写死长度。加个判断，处理一下异常，这个坑就算填了。