将 pandas join 中的列后缀转换为 MultiIndex

Question

我有两个具有（不一定）相同索引和列名的 pandas DataFrame。

>>> df_L = pd.DataFrame({'X': [1, 3], 
                         'Y': [5, 7]})

>>> df_R = pd.DataFrame({'X': [2, 4], 
                         'Y': [6, 8]})

我可以将它们连接在一起并分配后缀。

>>> df_L.join(df_R, lsuffix='_L', rsuffix='_R')

    X_L Y_L X_R Y_R
0   1   5   2   6
1   3   7   4   8

但我想要的是在“X”和“Y”下制作“L”和“R”子列。

所需的 DataFrame 如下所示：

>>> pd.DataFrame(columns=pd.MultiIndex.from_product([['X', 'Y'], ['L', 'R']]), 
         data=[[1, 5, 2, 6],
               [3, 7, 4, 8]])

    X       Y
    L   R   L   R
0   1   5   2   6
1   3   7   4   8

有没有一种方法可以将两个原始 DataFrame 组合起来以获得所需的 DataFrame？

Answer 1

您可以将pd.concat 与keys 参数一起使用，沿第一个轴：

df = pd.concat([df_L, df_R], keys=['L','R'],axis=1).swaplevel(0,1,axis=1).sort_index(level=0, axis=1)

>>> df
   X     Y   
   L  R  L  R
0  1  2  5  6
1  3  4  7  8

Answer 2

对于那些寻找将具有不同索引或列的两个数据框连接到多索引表中的更普遍问题的答案的人：

# Prepend a key-level to the column index
# https://stackoverflow.com/questions/14744068
df_L = pd.concat([df_L], keys=["L"], axis=1)
df_R = pd.concat([df_R], keys=["R"], axis=1)

# Join the two dataframes
df = df_L.join(df_R)

# Reorder levels if needed:
df = df.reorder_levels([1,0], axis=1).sort_index(axis=1)

例子：

# Data:
df_L = pd.DataFrame({'X': [1, 3, 5], 'Y': [7, 9, 11]})
df_R = pd.DataFrame({'X': [2, 4], 'Y': [6, 8], 'Z': [10, 12]})

# Result:
#    X        Y          Z
#    L    R   L    R     R
# 0  1  2.0   7  6.0  10.0
# 1  3  4.0   9  8.0  12.0
# 2  5  NaN  11  NaN   NaN

这也解决了具有相同索引和列的 OP 的特殊情况。

df_L.columns = pd.MultiIndex.from_product([["L", ], df_L.columns])