Methode zum Setzen neuer Multiindex-Spalten aus verschiedenen Datenrahmen

Question

Angesichts eines DataFrame (d) mit MultiIndex-Spalten, würde ich gerne einen anderen DataFrame (d2) als eine der "multicolumns", so dass die oberste Ebene hat einige Label und auf der zweiten Ebene Etiketten denen des Originals übereinstimmen:

nr.seed(0) 
abc = ['a', 'b', 'c'] 
mi = pd.MultiIndex.from_product([['A'], abc]) 
d = DataFrame(np.random.randint(0, 10, (4, 3)), columns=mi) 
d 
    A  
    a b c 
0 5 0 3 
1 3 7 9 
2 3 5 2 
3 4 7 6 

d2 = DataFrame(np.random.randint(0, 10, (4, 3)), columns=abc) 
d2 
    a b c 
0 8 8 1 
1 6 7 7 
2 8 1 5 
3 9 8 9 

Wenn möglich, würde Ich mag sie verbinden, um eine einzelne eingebaute Methode, die die folgende forloop erreicht:

for c2 in d2: 
    d['B', c2] = d2[c2] 
d 
    A  B  
    a b c a b c 
0 5 0 3 8 8 1 
1 3 7 9 6 7 7 
2 3 5 2 8 1 5 
3 4 7 6 9 8 9 

Für einen Datenrahmen mit einem einzigen -Niveau Säule:

d3 = d.copy() 
d3.columns = d3.columns.droplevel(0) 
d3 = d3.rename(columns=dict(zip('abc', 'def'))) 
d3 
    d e f 
0 5 0 3 
1 3 7 9 
2 3 5 2 
3 4 7 6 

ich folgende Möglichkeiten:

d3[d2.columns] = d2 
d3 
    d e f a b c 
0 5 0 3 8 8 1 
1 3 7 9 6 7 7 
2 3 5 2 8 1 5 
3 4 7 6 9 8 9 

Aber wenn ich versuche, diese mit dem MultiIndexed Datenrahmen, bekomme ich Fehler:

d['B', tuple(d2.columns)] = d2 
=> ValueError: Wrong number of items passed 3, placement implies 1 
d['B'][tuple(d2.columns)] = d2 
=> KeyError: 'B' 

Gibt es eine eingebaute Methode zu tun Dies? (Grundsätzlich this für mehrere Spalten gleichzeitig).

Answer 1

UPDATE:

def add_multicolumn(df, df2, new_col_name): 
    tmp = df2.copy() # make copy, otherwise df2 will be changed !!! 
    tmp.columns = pd.MultiIndex.from_product([[new_col_name], df2.columns.tolist()]) 
    return pd.concat([df, tmp], axis=1) 

davon aus, dass wir die folgenden DF haben, und wir wollen ein drittes 'mehrspaltigen' hinzuzufügen - C:

In [114]: d 
Out[114]: 
    A  B 
    a b c a b c 
0 5 5 7 0 7 2 
1 5 3 9 0 5 5 
2 5 8 5 5 5 7 
3 5 4 5 4 5 2 

unsere Funktion:

In [132]: add_multicolumn(d, d2, 'C') 
Out[132]: 
    A  B  C 
    a b c a b c a b c 
0 5 5 7 0 7 2 0 7 2 
1 5 3 9 0 5 5 0 5 5 
2 5 8 5 5 5 7 5 5 7 
3 5 4 5 4 5 2 4 5 2 

OLD Antwort:

Sie es pd.concat() verwenden können:

In [35]: d = pd.concat({'A':d['A'], 'B':d2}, axis=1) 

In [36]: d 
Out[36]: 
    A  B 
    a b c a b c 
0 7 3 9 0 7 2 
1 9 4 5 0 5 5 
2 7 6 1 5 5 7 
3 2 5 7 4 5 2 

Erläuterung:

In [37]: d['A'] 
Out[37]: 
    a b c 
0 7 3 9 
1 9 4 5 
2 7 6 1 
3 2 5 7 

In [40]: pd.concat({'A':d['A'], 'B':d2}, axis=1) 
Out[40]: 
    A  B 
    a b c a b c 
0 5 5 7 0 7 2 
1 5 3 9 0 5 5 
2 5 8 5 5 5 7 
3 5 4 5 4 5 2