ผสานสอง dataframes และเพิ่มระดับคอลัมน์ด้วยชื่อ

สวัสดีฉันขุดมาด้วยการลงประชามติเข้าร่วมและผสานวิธีการกับแพนด้าและดูเหมือนจะไม่พบสิ่งที่ฉันต้องการ

สมมติว่าฉันมีสอง dataframes

A = pd.DataFrame("A",index=[0,1,2,3,4],columns=['Col 1','Col 2','Col 3'])
B = pd.DataFrame("B",index=[0,1,2,3,4],columns=['Col 1','Col 2','Col 3'])
>>> A
  Col 1 Col 2 Col 3
0     A     A     A
1     A     A     A
2     A     A     A
3     A     A     A
4     A     A     A
>>> B
  Col 1 Col 2 Col 3
0     B     B     B
1     B     B     B
2     B     B     B
3     B     B     B
4     B     B     B

ตอนนี้ฉันต้องการสร้างดาต้าเฟรมใหม่ด้วยการผสานคอลัมน์ฉันคิดว่ามันง่ายที่สุดที่จะอธิบายถ้าฉันสร้างดัชนีหลายตัวสำหรับวิธีที่ฉันต้องการคอลัมน์

index = pd.MultiIndex.from_product([A.columns.values,['A','B']])
>>> index
MultiIndex(levels=[['Col 1', 'Col 2', 'Col 3'], ['A', 'B']],
           labels=[[0, 0, 1, 1, 2, 2], [0, 1, 0, 1, 0, 1]])

ตอนนี้ถ้าฉันสร้าง dataframe ที่ว่างเปล่าด้วยดัชนีหลายอันสำหรับคอลัมน์

empty_df = pd.DataFrame('-',index=A.index,columns=index)
>>> empty_df
  Col 1    Col 2    Col 3
      A  B     A  B     A  B
0     -  -     -  -     -  -
1     -  -     -  -     -  -
2     -  -     -  -     -  -
3     -  -     -  -     -  -
4     -  -     -  -     -  -

คำถามของฉันคือฉันจะใช้อะไรผสานผสานหรือเข้าร่วมเพื่อรับสิ่งนั้น ฉันได้ลองหลายอย่างเพื่อเรียงต่อกัน ... ด้านในด้านนอกและอื่น ๆ ฉันไม่พบสิ่งที่ฉันต้องการ สิ่งเดียวที่ฉันคิดได้คือสร้างดาต้าเฟรมที่ว่างเปล่าจากนั้นเติมข้อมูลกลับ

แก้ไข: หลังจากลองคำตอบของ Jezrael แล้วมันจะปิด แต่ก็ไม่แน่ สิ่งที่ฉันต้องการก็เหมือนคอลัมน์เรียงลำดับซ้อนกัน? ตัวอย่างเช่น

empty_df['Col 1']
>>> empty_df['Col 1']
   A  B
0  -  -
1  -  -
2  -  -
3  -  -
4  -  -

หรือ

>>> empty_df['Col 1']['A']
0    -
1    -
2    -
3    -
4    -
Name: A, dtype: object

นี่คือวิธีแก้ปัญหาที่ฉันคิด แต่มันวนซ้ำไปตามคอลัมน์

row_idx = A.index.union(B.index)
col_idx = pd.MultiIndex.from_product([A.columns.values,['A','B']])
new_df = pd.DataFrame('-',index=row_idx,columns=col_idx)
for column in A.columns:
   new_df.loc[:,(column,'A')] = A[column]
   new_df.loc[:,(column,'B')] = B[column]
>>> new_df
  Col 1    Col 2    Col 3
      A  B     A  B     A  B
0     A  B     A  B     A  B
1     A  B     A  B     A  B
2     A  B     A  B     A  B
3     A  B     A  B     A  B
4     A  B     A  B     A  B
>>> new_df['Col 1']
   A  B
0  A  B
1  A  B
2  A  B
3  A  B
4  A  B
>>> new_df['Col 1']['A']
0    A
1    A
2    A
3    A
4    A
Name: A, dtype: object

python pandas dataframe

— Melendowski
แหล่งที่มา

ฉันคิดว่าคุณต้องการconcatด้วยkeysพารามิเตอร์และaxis=1ลำดับการเปลี่ยนแปลงระดับล่าสุดDataFrame.swaplevelและเรียงลำดับตามระดับแรกโดยDataFrame.sort_index:

df1 = (pd.concat([A, B], axis=1, keys=('A','B'))
         .swaplevel(0,1, axis=1)
         .sort_index(axis=1, level=0))
print (df1)
  Col 1    Col 2    Col 3   
      A  B     A  B     A  B
0     A  B     A  B     A  B
1     A  B     A  B     A  B
2     A  B     A  B     A  B
3     A  B     A  B     A  B
4     A  B     A  B     A  B

สำหรับการทำงานกับที่MultiIndexเป็นไปได้ใช้DataFrame.xs:

print (df1.xs('Col 1', axis=1, level=0))
   A  B
0  A  B
1  A  B
2  A  B
3  A  B
4  A  B

หากต้องการเลือกMultiIndex columnใช้tuple:

print (df1[('Col 1', 'A')])
0    A
1    A
2    A
3    A
4    A
Name: (Col 1, A), dtype: object

หากต้องการเลือกตามดัชนีและคอลัมน์ให้ใช้loc:

print (df1.loc[4, ('Col 1', 'A')])
A

— jezrael
แหล่งที่มา

นั่นมัน! ขอบคุณมาก!

— Melendowski