python - Pandas 。复制多索引级别

Question

我有一个包含多索引列的 DataFrame:

df = pd.DataFrame(np.arange(12).reshape(3,-1))
df.columns = [['A', 'A', 'B', 'B'], [0, 1, 0, 1]]
print(df)

看起来像这样:

   A      B    
   0  1   0   1
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

我想做类似df['C'] = df['B']的事情来得到:

    A       B       C    
    0   1   0   1   0   1
0   0   1   2   3   2   3
1   6   7   8   9   8   9
2  12  13  14  15  14  15

我得到了 ValueError: Wrong number of items passed 2, placement implies 1。

我也试过 df.loc[:, slice('C', None)] = df['B'] 但没有成功。

实际上我的情况有点复杂:我在多索引中多了一层 (L0 I)，我想复制 df['L0 I', 'B'] 到 df['L0 II', 'B'](L0 II 不存在)。

Answer 1

您可以提取列并在列中创建 MultiIndex:

df1 = df['B']
df1.columns = [['C'] * len(df1.columns), df1.columns]
print (df1)
    C    
    0   1
0   2   3
1   6   7
2  10  11

或者按切片选择并重命名第一层:

df1 = df.loc[:, slice('B', None)].rename(columns={'B':'C'}, level=0)
print (df1)
    C    
    0   1
0   2   3
1   6   7
2  10  11

然后 join或 concat一起:

df = df.join(df1)
#alternative
#df = pd.concat([df,df1], axis=1)
print (df)
   A      B       C    
   0  1   0   1   0   1
0  0  1   2   3   2   3
1  4  5   6   7   6   7
2  8  9  10  11  10  11

这里的另一个解决方案是使用 DataFrame.stack , 重复列 DataFrame.assign并通过 DataFrame.unstack 重新整形:

df1 = df.stack().assign(C = lambda x: x['B']).unstack()
print (df1)
   A      B       C    
   0  1   0   1   0   1
0  0  1   2   3   2   3
1  4  5   6   7   6   7
2  8  9  10  11  10  11