熊猫。复制多索引级别

Question

我有一个带有多索引列的 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'] 的事情来获得：

    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

我收到了ValueError: Wrong number of items passed 2, placement implies 1。

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

其实我的情况稍微复杂一点：我在多索引中多了一层（L0 I），我想将df['L0 I', 'B']复制到df['L0 II', 'B']（L0 II不存在）。

Answer 1

您可以简单地提取一列，同时使用df[['B']] 保留MultiIndex。

所以使用这个和concat 的一个非常简单的解决方案是：

df = pd.concat([df, df[['B']].rename(columns={'B': 'C'})], 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

Answer 2

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

或者按切片和rename一级选择：

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

这里工作的另一个解决方案是使用DataFrame.stack，使用DataFrame.assign 复制列并通过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