当一个在熊猫中有multiIndex时合并两个数据框

Question

我有 MultiIndex 数据框（表 1），我想合并来自另一个不是 multiIndex 的数据框（表 2）的特定列。

表一示例：

>>>            name          2020-10-21                   2020-10-22   ...
Column                     9    10    11   12          9    10    11    12   

0             A5          2.1   2.2   2.4  2.8        5.4   3.4   1.1   7.3
1             B9          7.2   1.2   14.5  7.5       3.4   5.2   6.4   8.1
2             C3          1.1   6.5   8.4   9.1       1.1   4.3   6.5   8.7
...

表2示例：

>>>name   indc   control   code       
0    A5   0.32    yes       1
1    C3   0.11    no        2
2    B18  0.23    yes       2
3    B9   0.45    no        3

我想根据表 2 中的键“名称”（以及表 1 中的“索引”）合并列“代码”以获取名称旁边的代码：

>>>          index              2020-10-21                   2020-10-22   ...
Column                code     9    10    11   12          9    10    11    12   

0             A5        1     2.1   2.2   2.4  2.8        5.4   3.4   1.1   7.3
1             B9        3    7.2   1.2   14.5  7.5       3.4   5.2   6.4   8.1
2             C3        2     1.1   6.5   8.4   9.1       1.1   4.3   6.5   8.7
...

我知道当索引不是多索引级别时如何合并，然后我这样做：

df = table1.merge(table2[['code','name']], how = 'left',
                left_on = 'index', right_on = 'name')

但现在我得到错误：

UserWarning：不同级别之间的合并可能会产生意想不到的结果 结果（左侧2级，右侧1级）warnings.warn（msg， 用户警告）

然后：

ValueError: 'index' 不在列表中

当我打印列时，我可以看到你就像元组，但我不知道为什么它说索引不在列表中，因为当我打印表 1 的 oclumns 时，我得到：

Index([   ('index', ''),  (2020-10-22, 9)...

所以我有点困惑。

我的最终目标：根据“名称”和“索引”列合并代码列

Answer 1

为了正确的工作需要MultiIndex 在DataFrames 中：

df2 = table2[['code','name']].rename(columns={'name':'index'})
df2.columns = pd.MultiIndex.from_product([df2.columns, ['']])


df = table1.merge(df2, how = 'left', on = [('index', '')])

#if necessary reorder columns names
cols = df.columns[:1].tolist() + df.columns[-1:].tolist() + df.columns[1:-1].tolist()

df = df[cols]
print (df)
  index code 2020-10-21                 2020-10-22               
                      9   10    11   12          9   10   11   12
0    A5    1        2.1  2.2   2.4  2.8        5.4  3.4  1.1  7.3
1    B9    3        7.2  1.2  14.5  7.5        3.4  5.2  6.4  8.1
2    C3    2        1.1  6.5   8.4  9.1        1.1  4.3  6.5  8.7