将 DataFrame 列标题设置为 MultiIndex

Question

如何将具有单级列的现有数据框转换为具有分层 index 列 (MultiIndex)？

示例数据框：

In [1]:
import pandas as pd
from pandas import Series, DataFrame

df = DataFrame(np.arange(6).reshape((2,3)),
               index=['A','B'],
               columns=['one','two','three'])
df
Out [1]:
   one  two  three
A    0    1      2
B    3    4      5

我原以为 reindex() 会起作用，但我得到的是 NaN：

In [2]:
df.reindex(columns=[['odd','even','odd'],df.columns])
Out [2]:
   odd  even    odd
   one   two  three
A  NaN   NaN    NaN
B  NaN   NaN    NaN

如果我使用 DataFrame() 也一样：

In [3]:
DataFrame(df,columns=[['odd','even','odd'],df.columns])
Out [3]:
   odd  even    odd
   one   two  three
A  NaN   NaN    NaN
B  NaN   NaN    NaN

如果我指定 df.values，最后一种方法确实有效：

In [4]:
DataFrame(df.values,index=df.index,columns=[['odd','even','odd'],df.columns])
Out [4]:
   odd  even    odd
   one   two  three
A    0     1      2
B    3     4      5

这样做的正确方法是什么？为什么 reindex() 会给出 NaN？

Answer 1

你已经很接近了，只需将列直接设置为一个新的（大小相等的）类似索引（如果它是列表列表将转换为多索引）

In [8]: df
Out[8]: 
   one  two  three
A    0    1      2
B    3    4      5

In [10]: df.columns = [['odd','even','odd'],df.columns]

In [11]: df
Out[11]: 
   odd  even    odd
   one   two  three
A    0     1      2
B    3     4      5

Reindex 将重新排序/过滤现有索引。你得到所有 nans 的原因是你在说，嘿找到与这个新索引匹配的现有列；没有匹配，所以这就是你得到的