如何更优地将二级MultiIndex与列表组合生成三级MultiIndex？

现有一个二级MultiIndex对象：

import pandas as pd
mux = pd.MultiIndex.from_tuples([(1,1), (2,3)])

输出：

MultiIndex([(1, 1),
            (2, 3)],
           )

希望将其与列表 l=[4,5] 组合，尝试使用 pd.MultiIndex.from_product 得到的结果不符合预期：

pd.MultiIndex.from_product([mux.values, [4,5]])

输出：

MultiIndex([((1, 1), 4),
            ((1, 1), 5),
            ((2, 3), 4),
            ((2, 3), 5)],
           )

通过以下方式得到了预期结果：

from itertools import product
pd.MultiIndex.from_tuples([(*a, b) for a, b in product(mux, [4,5])])

输出：

MultiIndex([(1, 1, 4),
            (1, 1, 5),
            (2, 3, 4),
            (2, 3, 5)],
           )

请问是否存在更优的实现方式？

更优实现方式 #

方法1：简化嵌套循环（无需额外库） #

直接用嵌套循环生成目标元组，代码更简洁，不需要导入itertools：

new_mux = pd.MultiIndex.from_tuples(
    [(*t, val) for t in mux for val in l]
)

执行后输出与预期完全一致，逻辑直观且代码量更少。

方法2：借助DataFrame扩展后转索引 #

适合层级较多的场景，可读性更强：

import numpy as np

# 原MultiIndex转为DataFrame
df = mux.to_frame(index=False)
# 扩展每行并添加新列
expanded_df = df.loc[df.index.repeat(len(l))].assign(new_col=np.tile(l, len(mux)))
# 转回三级MultiIndex
new_mux = pd.MultiIndex.from_frame(expanded_df)

方法3：用repeat+tile构造元组 #

利用pandas和numpy的数组操作快速生成元素：

import numpy as np

# 重复原索引元素，匹配列表长度
repeated_mux = mux.repeat(len(l))
# 平铺列表元素，匹配重复后的索引长度
tiled_vals = np.tile(l, len(mux))
# 拼接成新索引
new_mux = pd.MultiIndex.from_tuples(
    [(*t, val) for t, val in zip(repeated_mux, tiled_vals)]
)

内容的提问来源于stack exchange，提问作者endive1783