Pandas concat 多级索引数据框并合并同一级别内的同名列答案

【问题标题】：Pandas concat multi level index dataframes and merge same name columns within same levelPandas concat 多级索引数据框并合并同一级别内的同名列
【发布时间】：2020-06-29 10:17:59
【问题描述】：

我有两个多级索引数据框。当我连接它们时，相同名称的列会重复。

df1

Column
  col1 col2
     1    3
     2    4

我想将它与另一个 df 合并，

df2

Column
  col3
     5
     6

当我使用合并两者时

pd.concat([df1, df2], axis=1)

结果来了：

Column      Column
  col1 col2   col3
     1    3      5
     2    4      6

我想得到的是：

Column      
  col1 col2 col3
     1    3    5
     2    4    6

任何帮助将不胜感激。谢谢

【问题讨论】：

标签： python pandas

【解决方案1】：

使用DataFrame.sort_index:

pd.concat([df1, df2], axis=1).sort_index(axis=1)

编辑：

print (df1)
  Column     
    col5 col2
0      1    3
1      2    4

print (df2)
  Column
    col1
0      5
1      6


df = pd.concat([df1, df2], axis=1)

c = df.columns.tolist()
df = df.reindex(c[:1] + sorted(c[1:]), axis=1)
print (df)
  Column          
    col5 col1 col2
0      1    5    3
1      2    6    4

EDIT1：将DataFrame.xs 与DataFrame.sort_index 一起使用，通过Index.union 添加原始未选择的caolumns 值，并通过DataFrame.reindex 添加最后一个变更单：

print (df)
  Column              a     
    col2 col1 col5 col1 col3
0      1    5    3    5    4
1      2    6    4    7    7

cols = (df.xs('Column', drop_level=False, axis=1, level=0)
          .sort_index(ascending=False, axis=1).columns)
print (cols)
MultiIndex([('Column', 'col5'),
            ('Column', 'col2'),
            ('Column', 'col1')],
           )

df = df.reindex(cols.union(df.columns, sort=False), axis=1)
print (df)
  Column              a     
    col5 col2 col1 col1 col3
0      3    1    5    5    4
1      4    2    6    7    7

【讨论】：

谢谢。这有效，但它改变了我的列的顺序。我只想保留一个特定的列作为第一列，其余列可以排序
@Ronnie - 你认为df1 在concat 之后的第一列吗？
是的，我想将 df1 中的第一列保留在 concat 之后的位置上。该列在两个数据框之间不常见，所以有没有办法对留下第一列的其他列进行排序？假设列的名称是“FirstColumn”。谢谢
这对我有用。谢谢。还有一件事，有没有办法可以进一步对 2 级列进行排序？根据上面的例子，它是col1 col2 col3。非常感谢
我在 Column 下有 col1 col2 col3，所以我想按 desc 顺序对它们进行排序，以便它们按顺序排列 col3 col2 col1。我在级别 1 上有多个列，即在 Column 级别。谢谢

【解决方案2】：

我们也可以使用DataFrame.combine_first:

df3 = df1.combine_first(df2)

【讨论】：