将形状相同的数据帧合并到一个多索引数据帧中

Question

我有两个形状相同的 pandas 数据框：

index = range(5)
columns = ['A', 'B', 'C']
left = pd.DataFrame(np.random.randint(1,10, size=(5,3)), index=index, columns=columns)
right = pd.DataFrame(np.random.randint(1,10, size=(5,3)), index=index, columns=columns)

即

left
Out[127]: 
   A  B  C
0  3  4  7
1  5  8  4
2  8  8  7
3  1  3  5
4  3  5  8

和

right
Out[129]: 
   A  B  C
0  2  8  2
1  3  6  5
2  4  6  4
3  8  4  2
4  4  2  9

现在我想将它们组合成一个具有相同索引和两级列的单个数据框。顶部是通用列名，底部是原始数据框名称：

combined = pd.DataFrame(np.nan, index=index, columns=pd.MultiIndex.from_tuples([('A', 'left'), ('A', 'right'), ('B', 'left'), ('B', 'right'), ('C', 'left'), ('C', 'right')]))
for column in combined.columns:
    if column[1] == 'left':
        combined[column] = left[column[0]]
    elif column[1] == 'right':
        combined[column] = right[column[0]]

combined
Out[138]: 
     A          B          C      
  left right left right left right
0    3     2    4     8    7     2
1    5     3    8     6    4     5
2    8     4    8     6    7     4
3    1     8    3     4    5     2
4    3     4    5     2    8     9

由于我正在处理的数据帧非常庞大，有没有更快或更优雅的方法来实现这一点？

提前致谢！

Answer 1

您可以在pd.concat 中提供keys 参数来添加另一个列级别：

pd.concat([left, right], axis=1, keys=['left', 'right']).swaplevel(axis=1).sort_index(axis=1)

#     A          B          C      
#  left right left right left right
#0    9     7    3     4    4     2
#1    8     3    9     1    3     5
#2    3     6    1     6    5     7
#3    9     1    7     2    2     2
#4    9     5    3     1    4     3

Answer 2

我们可以使用添加后缀然后拆分并将其转换为多索引即

ndf = pd.concat([left.add_suffix(' left'),right.add_suffix(' right')],1).sort_index(1)
x = ndf.columns.str.split(' ')
ndf.columns = pd.MultiIndex.from_arrays([x.str[0],x.str[1]])

甲乙丙 左 右 左 右 左 右 0 1 2 4 1 8 3 1 3 5 9 8 2 7 2 2 7 8 5 6 3 3 2 2 3 9 5 6 4 9 4 3 6 3 9