合并多索引DataFrame并按索引组织的技术求助

我需要合并来自不同Excel工作表的多个DataFrame，每个DataFrame对应一类车辆，示例数据如下：

In [28]: df_Cars_&_Light_Goods.head()
Out[28]:
                 Eastbound            Northbound            Southbound
                Left Thru Right     U-Turn Thru Right     U-Turn Left Thru
Start Time
07:00              0    0     0          0  475    17          0   43  761
07:15              0    0     0          0  558    19          1   43  834
07:30              0    0     0          0  577    28          0   37  833

In [32]: df_Buses.head()
Out[32]:
                 Eastbound            Northbound            Southbound
                Left Thru Right     U-Turn Thru Right     U-Turn Left Thru
Start Time
07:00              0    0     0          0   24     1          0    0   14
07:15              0    0     0          0   14     2          0    2   13
07:30              0    0     0          0   35     2          0    0   18

我先通过df = df.set_index(df.columns[0], drop = True)将第一列设为时间戳索引，然后用以下代码拼接：

df_comb = pd.concat([df_tcc[key] for key in keys], ignore_index=True, axis= 1, keys= keys).sort_index(axis = 1)

其中keys是所有DataFrame名称的列表（如df_Buses、df_Cars_&_Light_Goods等）。

但拼接后得到的结果混乱，原本的多索引列标签丢失，变成了简单编号，而我期望得到车辆类别→方向→转向类型的分层列结构。

问题核心是pd.concat的参数设置错误：

1. 移除ignore_index=True：这个参数会强制重置列的原有索引，直接导致原有的多列层级标签丢失。
2. 确认所有DataFrame的行索引完全对齐（你的时间戳索引已经设置正确，这一步无需调整）。

修改后的拼接代码：

df_comb = pd.concat([df_tcc[key] for key in keys], axis=1, keys=keys).sort_index(axis=1)

执行后会得到三层列索引：

• 第一层：车辆类别（如df_Buses、df_Cars_&_Light_Goods）
• 第二层：行驶方向（如Eastbound、Northbound）
• 第三层：转向类型（如Left、Thru、Right）

如果需要调整层级顺序（比如把方向放在最上层），可以用reorder_levels：

df_comb = df_comb.reorder_levels([1,2,0], axis=1).sort_index(axis=1)

另外，建议给keys设置更友好的名称（代替DataFrame变量名），提升索引可读性：

friendly_keys = ["Buses", "Cars & Light Goods"]
df_comb = pd.concat([df_tcc[key] for key in keys], axis=1, keys=friendly_keys).sort_index(axis=1)

内容的提问来源于stack exchange，提问作者Ace_1918