将两个数据框与分层列合并

Question

这是我第一次在 pandas 中使用多重索引，我需要一些帮助来合并两个具有分层列的数据帧。这是我的两个数据框：col_index = pd.MultiIndex.from_product([['a', 'b', 'c'], ['w', 'x']])df1 = pd.DataFrame(np.ones([4,6]),columns=col_index, index=range(4))     a         b         c          w    x    w    x    w    x0  1.0  1.0  1.0  1.0  1.0  1.01  1.0  1.0  1.0  1.0  1.0  1.02  1.0  1.0  1.0  1.0  1.0  1.03  1.0  1.0  1.0  1.0  1.0  1.0df2 = pd.DataFrame(np.zeros([2,6]),columns=col_index, index=range(2))     a         b         c          w    x    w    x    w    x0  0.0  0.0  0.0  0.0  0.0  0.01  0.0  0.0  0.0  0.0  0.0  0.0当我使用合并方法时，我得到以下结果：pd.merge(df1,df2, how='left', suffixes=('', '_2'), left_index = True, right_index= True ))     a         b         c       a_2       b_2       c_2          w    x    w    x    w    x    w    x    w    x    w    x0  1.0  1.0  1.0  1.0  1.0  1.0  0.0  0.0  0.0  0.0  0.0  0.01  1.0  1.0  1.0  1.0  1.0  1.0  0.0  0.0  0.0  0.0  0.0  0.02  1.0  1.0  1.0  1.0  1.0  1.0  NaN  NaN  NaN  NaN  NaN  NaN3  1.0  1.0  1.0  1.0  1.0  1.0  NaN  NaN  NaN  NaN  NaN  NaN但我想在较低级别上合并两个数据帧，后缀对 ['w', 'x'] 生效，如下所示：     a                   b                   c                    w  w_2    x  x_2    w  w_2    x  x_2    w  w_2    x  x_20  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.01  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.02  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN3  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN

Answer 1

您可以将joinormerge与swaplevel()or 一起使用reorder_levels。然后使用.sort_index()和 传递axis=1来按索引列排序。

• .join()当您像这样对索引进行合并时会更好。

• .swaplevel()当有两个级别时更好（如本例），而当.reorder_levels()有 3 个或更多级别时更好。

以下是这些方法的 4 种组合。对于这个具体的例子，我认为.join()/.swaplevel()是最简单的（参见最后一个例子）：

df3 = (df1.reorder_levels([1,0],axis=1)

       .join(df2.reorder_levels([1,0],axis=1), rsuffix='_2')

       .reorder_levels([1,0],axis=1).sort_index(axis=1, level=[0, 1]))

df3

Out[1]: 

     a                   b                   c               

     w  w_2    x  x_2    w  w_2    x  x_2    w  w_2    x  x_2

0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0

1  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0

2  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN

3  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN

df3 = (pd.merge(df1.reorder_levels([1,0],axis=1),

                df2.reorder_levels([1,0],axis=1),

                how='left', left_index=True, right_index=True, suffixes = ('', '_2'))

                .reorder_levels([1,0],axis=1).sort_index(axis=1, level=[0, 1]))

df3

Out[2]: 

     a                   b                   c               

     w  w_2    x  x_2    w  w_2    x  x_2    w  w_2    x  x_2

0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0

1  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0

2  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN

3  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN

df3 = (pd.merge(df1.swaplevel(axis=1),

                df2.swaplevel(axis=1),

                how='left', left_index=True, right_index=True, suffixes = ('', '_2'))

                .swaplevel(axis=1).sort_index(axis=1, level=[0, 1]))

df3

Out[3]: 

     a                   b                   c               

     w  w_2    x  x_2    w  w_2    x  x_2    w  w_2    x  x_2

0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0

1  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0

2  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN

3  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN

df3 = (df1.swaplevel(i=0,j=1, axis=1)

       .join(df2.swaplevel(axis=1), rsuffix='_2')

       .swaplevel(axis=1).sort_index(axis=1, level=[0, 1]))

df3

Out[4]: 

     a                   b                   c               

     w  w_2    x  x_2    w  w_2    x  x_2    w  w_2    x  x_2

0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0

1  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0  1.0  0.0

2  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN

3  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN  1.0  NaN