如何优雅地从数据字典与索引层级字典构建MultiIndex DataFrame

想要构建如下的DataFrame：

A  B
x y      
a 1  2  1
  2  6  3
c 2  7  2

现有两个可用字典：

data = {'A': [2,6,7],
        'B': [1,3,2]}

index = {'x': ['a', 'a', 'c'],
         'y': [1, 2, 2]}

尝试使用dfm = pd.DataFrame.from_records(data=data, index=index)时出现索引大小错误（应为3却得到2）。已知可以通过将索引字典转为数组列表构建MultiIndex的方法实现：

labels = [['a', 'a', 'c'], [1, 2, 2]]
mi = pd.MultiIndex.from_arrays(labels, names=['x','y'])
dfm = pd.DataFrame(data, index=mi)

但认为该方法不够优雅，希望找到更优实现方式。

提供两种直接复用现有索引字典的简洁方案：

方法1：利用MultiIndex.from_frame #

将索引字典转为DataFrame后，直接生成多级索引：

import pandas as pd

data = {'A': [2,6,7],
        'B': [1,3,2]}
index_dict = {'x': ['a', 'a', 'c'],
              'y': [1, 2, 2]}

mi = pd.MultiIndex.from_frame(pd.DataFrame(index_dict))
dfm = pd.DataFrame(data, index=mi)

方法2：创建DataFrame后直接设置多级索引 #

合并数据字典与索引字典，创建DataFrame后一键设置多级索引，代码更紧凑：

import pandas as pd

data = {'A': [2,6,7],
        'B': [1,3,2]}
index_dict = {'x': ['a', 'a', 'c'],
              'y': [1, 2, 2]}

dfm = pd.DataFrame({**data, **index_dict}).set_index(['x', 'y'])

这两种方法无需手动提取索引列表，完全复用原有的索引字典结构，代码可读性和简洁性更优。

内容的提问来源于stack exchange，提问作者mins