如果我在 python 中合并两个熊猫数据框，如何保留多级列？

Question

在我的项目中，我使用空的 pandas 数据框初始化了一个对象。在这个对象的一个​​方法中，我创建了另一个具有多级列的数据框。此外，我将第二个数据框与空数据框合并，我希望合并后的数据框也有一个多级列，但多级列将转换为具有我的级别元组的单级列。那么如何在我的新数据框中保留多级列？

一个最小的工作示例：

import pandas as pd
tuples = [(u'obs', u'TMP2m')]
col = pd.MultiIndex.from_tuples(tuples, names=['product', 'variable'])
data = pd.DataFrame()
data1 = pd.DataFrame([1,2,3],columns = col)
data = pd.merge(data, data1, left_index=True, right_index=True, how='outer')
print data

我得到这个输出：

+----------------------+
|        |(obs, TMP2m) |
+----------------------+
| 0      |       1     |
| 1      |       2     |
| 2      |       3     |
+----------------------+

但我希望得到这样的输出：

+------------------+
| product  |   obs |
+------------------+
| variable | TMP2m |
+------------------+
| 0        |     1 |
| 1        |     2 |
| 2        |     3 |
+------------------+

附言我正在使用 Python 2.7.6 和 pandas 0.16.0

修正后的 mwe：

import pandas as pd

class time_series( object ):

    def __init__( self ):
        self.data = pd.DataFrame()

    def add_series ( self, series_data, var ):
        tuples = [(u'obs', var)]
        col = pd.MultiIndex.from_tuples(tuples, names=['product', 'variable'])
        data1 = pd.DataFrame(series_data, columns = col)
        self.data = pd.merge(self.data, data1, left_index=True, right_index=True, how='outer')

Answer 1

不知道为什么需要将空数据框与任何东西合并，听起来有点矫枉过正......

覆盖它就足够了：

tuples = [('product','obs'), ('variable','TMP2m')]
col = pd.MultiIndex.from_arrays(tuples)
data1 = pd.DataFrame([[0,1],[1,2],[2,3]], columns=col)
print data1

   product   obs
  variable TMP2m
0        0     1
1        1     2
2        2     3

data = pd.DataFrame()
data = data1 # This should be enough to have the end result 
print data

   product   obs
  variable TMP2m
0        0     1
1        1     2
2        2     3

但如果你必须...只需将最后一行替换为：

data = data.reindex(columns=data1.columns)
data = pd.merge(data, data1, on=data1.columns.tolist(), how='outer')
print data

   product   obs
  variable TMP2m
0        0     1
1        1     2
2        2     3