将元组的 pandas 列转换为 MultiIndex

Question

所以我的代码的组织方式类似于以下内容。它创建用元组填充的列：

import pandas as pd

d = []
d.append({'wilderness':('bear','salmon'), 'domestic':('cat','mouse'), 'farm':('wolf','sheep')})
d.append({'wilderness':('polar bear','seal'), 'domestic':('spider','fly'), 'farm':('cow','grass')})

pd.DataFrame(d)

根据这个例子，每个元组的元素都是相关的，这里是捕食者和猎物。我真的不想将这些元组拆分为不相关的单独列，希望对之间的密切关系以某种方式保持在结构中。

问题是，我的示例中的每个字符串都比这里的动物名称长一点，当我在 Jupyter 笔记本中查看数据框时，我根本看不到元组的第二个元素，我需要能够看到它，甚至选择它等等。

所以最初认为 Jupyter 中可能有一些设置会使每个元组元素进入第二行。现在认为最好的解决方案可能是使用pd.MultiIndex.from_tuples()，但在弄清楚如何使用它时遇到了很多麻烦。看了几个例子here 和here。

有人知道怎么做吗？应该有两个级别的列标题，例如国内捕食者/猎物，元组元素进入每个新的子列。

我尽量不在 Pandas 和 NumPy 中使用 for 循环，但在这种情况下很难不使用，性能也不是问题，所以如果解决方案继续使用这种创建数据帧的循环友好方法，我会更喜欢.

编辑 - 这是所需的输出

       domestic              farm                  wilderness
       predator  prey        predator  prey        predator    prey

0      cat       mouse       wolf      sheep       bear        salmon
1      spider    fly         cow       grass       polar bear  seal

Answer 1

您可以将concat 与list comprehension 一起使用：

df = pd.concat([pd.DataFrame(x, columns=['predator','prey']) for x in df.values.T.tolist()], 
                axis=1, 
                keys=df.columns)
print (df)

  domestic            farm         wilderness        
  predator   prey predator   prey    predator    prey
0      cat  mouse     wolf  sheep        bear  salmon
1   spider    fly      cow  grass  polar bear    seal