python - 从现有的 DataFrame 构建分层索引的 DataFrame

Question

我有两个具有相同列和索引的数据框。我想将它们组合成具有分层索引的第三个数据帧，维护当前索引并添加第二个数据帧来标识每个数据帧的来源。这是我尝试过的:

df_a = pd.DataFrame(randn(3, 2), columns=["x", "y"], index=range(3))
df_b = pd.DataFrame(randn(3, 2), columns=["x", "y"], index=range(3))
tuples = list(itertools.product(["a", "b"], range(3)))
df = pd.DataFrame(columns=["x", "y"], index=pd.MultiIndex.from_tuples(tuples))
df.loc["a"] = df_a
df.loc["b"] = df_b

但是，df 仍然充满 NaN，而我期望它会填充来自 df_a 和 df_b 的值。这确实有效:

df.loc["a"] = np.array(df_a)

但似乎既迂回又错误。

我对分层索引有什么不明白的地方？实现我的目标的最佳方法是什么？

Answer 1

In [1]: df_a = pd.DataFrame(randn(3, 2), columns=["x", "y"], index=range(3))

In [2]: df_b = pd.DataFrame(randn(3, 2), columns=["x", "y"], index=range(3))

In [3]: pd.concat([df_a, df_b], keys=['a', 'b'])
Out[3]: 
            x         y
a 0  0.913812 -1.719241
  1  0.544462  0.845426
  2 -0.269518 -1.549679
b 0  0.534311  1.693824
  1  0.119147 -0.171002
  2  0.595658  0.588252