python / Pandas : concatenate two dataframes with multi index

Question

我有两个具有相同索引和列的数据框。 (x, y)

>>> x
    A   B
0  A0  B0
1  A1  B1

>>> y
    A   B
0  A2  B2
1  A3  B3

我发现了如何使用多索引连接两个数据帧，如下所示。 (z)

>>> z = pd.concat([x, y], keys=['x', 'y'], axis=1)
>>> z
    x       y
    A   B   A   B
0  A0  B0  A2  B2
1  A1  B1  A3  B3

但我想制作以下格式的数据框(目标)

>>> target
    A       B
    x   y   x   y
0  A0  A2  B0  B2
1  A1  A3  B1  B3

我有两个问题

1. 是否有直接从 x, y 获取“目标”数据框的好方法？
2. 是否有通过更改列级别从 z 获取“目标”数据帧的好方法？

感谢您考虑我的问题。

Answer 1

使用swaplevel与 sort_index :

z = pd.concat([x, y], keys=['x', 'y'], axis=1).swaplevel(0,1, axis=1).sort_index(axis=1)
print (z)
    A       B    
    x   y   x   y
0  A0  A2  B0  B2
1  A1  A3  B1  B3

对于另一个答案，可以为键定义 DataFrames 字典:

z = pd.concat({'x':x, 'y':y}, axis=1).swaplevel(0,1, axis=1).sort_index(axis=1)