使用你的代码后还是出现ValueError: All arrays must be of the same length

在您的代码中，`add_data` 函数用于向各个数据字典中添加新的记录。如果出现 `ValueError: All arrays must be of the same length` 错误，通常是因为某个字段没有正确地扩展到与其它字段相同的长度。 为了确保所有数组具有相同的长度，可以采取以下步骤进行调试和修复： 1. **检查每个字段的长度**：在每次调用 `add_data` 函数时，检查每个字段的长度是否一致。 2. **打印中间结果**：在 `add_data` 函数内部，每增加一批数据后，打印当前各字段的长度，以便发现问题所在。 以下是改进后的代码，增加了更多的调试信息，并且在每次增加数据后检查字段长度的一致性： ```python import pandas as pd # 定义数据字典 accounts_data = { 'email': ['[email protected]', '[email protected]'], 'password': ['password1', 'password2'], 'primary_ip_addr': ['192.168.1.1', '192.168.1.2'], 'plan_id': [1, 2], 'year': [2023, 2023], 'month': [10, 10], 'day': [1, 2], 'duration': [30, 60], 'p_location': ['New York', 'Los Angeles'] } login_log_data = { 'email': ['[email protected]', '[email protected]'], 'username': ['user1', 'user2'], 'log_id': [1, 2], 'device_id': [1, 2], 'watching': [True, False], 'downloading': [False, True], 'ip_addr': ['192.168.1.1', '192.168.1.2'], 'year': [2023, 2023], 'month': [10, 10], 'day': [1, 2], 'location': ['New York', 'Los Angeles'], 'timestamp': ['2023-10-01T12:00:00', '2023-10-02T15:00:00'] } # 其他数据字典省略... def check_initial_data(data): lengths = {key: len(value) for key, value in data.items()} print(lengths) assert all(length == list(lengths.values())[0] for length in lengths.values()), "Initial data lengths are inconsistent" # 检查每个字典的初始数据 check_initial_data(accounts_data) check_initial_data(login_log_data) # 其他数据字典的检查省略... def add_data(data, num=100): for i in range(num): if 'email' in data: data['email'].append(f'user{i+3}@example.com') if 'username' in data: data['username'].append(f'user{i+3}') if 'password' in data: data['password'].append(f'password{i+3}') if 'primary_ip_addr' in data: data['primary_ip_addr'].append(f'192.168.1.{i+3}') if 'plan_id' in data: data['plan_id'].append((i % 2) + 1) if 'year' in data: data['year'].append(2023) if 'month' in data: data['month'].append(10) if 'day' in data: data['day'].append(i % 28 + 1) if 'duration' in data: data['duration'].append((i % 60) + 1) if 'p_location' in data: data['p_location'].append(['New York', 'Los Angeles'][i % 2]) if 'log_id' in data: data['log_id'].append(i + 3) if 'device_id' in data: data['device_id'].append((i % 2) + 1) if 'watching' in data: data['watching'].append(bool(i % 2)) if 'downloading' in data: data['downloading'].append(not bool(i % 2)) if 'ip_addr' in data: data['ip_addr'].append(f'192.168.1.{i+3}') if 'location' in data: data['location'].append(['New York', 'Los Angeles'][i % 2]) if 'timestamp' in data: data['timestamp'].append(f'2023-10-{i%28+1}T12:00:00') if 'icon' in data: data['icon'].append(f'icon{i+3}') if 'e_primary_ip' in data: data['e_primary_ip'].append(f'192.168.1.{i+3}') if 'e_location' in data: data['e_location'].append(['New York', 'Los Angeles'][i % 2]) if 'movie_id' in data: data['movie_id'].append((i % 2) + 1) if 'rate' in data: data['rate'].append(4.0 - (i % 2) * 0.5) if 'series_id' in data: data['series_id'].append((i % 2) + 1) if 'sea_id' in data: data['sea_id'].append((i % 2) + 1) if 'epi_id' in data: data['epi_id'].append((i % 2) + 1) if 'movie_name' in data: data['movie_name'].append(f'Movie{i+3}') if 'description' in data: data['description'].append(f'Description of Movie{i+3}') if 'duration' in data and 'movie_id' not in data: data['duration'].append((i % 60) + 60) if 'p_year' in data: data['p_year'].append(2020 + (i % 2)) if 'p_month' in data: data['p_month'].append(1) if 'e_year' in data: data['e_year'].append(2021 + (i % 2)) if 'e_month' in data: data['e_month'].append(2) if 'e_day' in data: data['e_day'].append(1) if 'r_year' in data: data['r_year'].append(2021 + (i % 2)) if 'r_month' in data: data['r_month'].append(3) if 'r_day' in data: data['r_day'].append(1) if 'director_id' in data: data['director_id'].append((i % 2) + 1) if 'series_name' in data: data['series_name'].append(f'Series{i+3}') if 'sea_name' in data: data['sea_name'].append(f'Season{i+3}') if 'epi_name' in data: data['epi_name'].append(f'Episode{i+3}') if 'game_id' in data: data['game_id'].append((i % 2) + 1) if 'game_name' in data: data['game_name'].append(f'Game{i+3}') if 'online' in data: data['online'].append(bool(i % 2)) if 'controller_support' in data: data['controller_support'].append(bool(i % 2)) if 'publish_year' in data: data['publish_year'].append(2020 + (i % 2)) if 'language' in data: data['language'].append(['en', 'es', 'fr'][i % 3]) if 'type' in data: data['type'].append(['Action', 'Adventure', 'RPG'][i % 3]) if 'car_id' in data: data['car_id'].append((i % 2) + 1) if 'car_name' in data: data['car_name'].append(f'Car{i+3}') if 'price' in data: data['price'].append((i % 1000) + 1000) if 'value' in data: data['value'].append((i % 500) + 500) if 'weapon_id' in data: data['weapon_id'].append((i % 2) + 1) if 'weapon_name' in data: data['weapon_name'].append(f'Weapon{i+3}') if 'quality' in data: data['quality'].append((i % 100) + 100) if 'additional_ability' in data: data['additional_ability'].append(bool(i % 2)) if 'health' in data: data['health'].append((i % 100) + 100) if 'coin' in data: data['coin'].append((i % 500) + 500) if 'cp_id' in data: data['cp_id'].append((i % 2) + 1) # 每10次循环打印一次当前各字段的长度 if i % 10 == 0: lengths = {key: len(value) for key, value in data.items()} print(f"Step {i}: {lengths}") # 每次循环结束时检查字段长度一致性 lengths = {key: len(value) for key, value in data.items()} assert all(length == list(lengths.values())[0] for length in lengths.values()), f"Inconsistent lengths at step {i}" # 调用函数添加数据 add_data(accounts_data) add_data(login_log_data) # 其他数据字典的处理省略... # 保存为CSV文件 pd.DataFrame(accounts_data).to_csv('accounts.csv', index=False) pd.DataFrame(login_log_data).to_csv('login_log.csv', index=False) # 其他数据字典的保存省略... ``` ### 解释 1. **检查初始数据**：`check_initial_data` 函数在每次添加数据前检查初始数据的长度是否一致。 2. **添加数据并检查长度**：在 `add_data` 函数中，每增加一条记录后，都会检查所有字段的长度是否一致。如果不一致，会抛出异常并显示错误发生的步数。 3. **打印中间结果**：每10次循环打印一次当前各字段的长度，便于调试。 通过这些改进，您可以更准确地定位导致长度不一致的问题，并及时修正。