如何从DataFrame数组与符号数组构建指定结构的MultiIndex DataFrame

刚好我之前处理过类似的需求，给你分享两种最常用的实现方式，根据你的原始数据结构来选：

场景1：你有多个单资产的DataFrame列表 #

假设你已经把每个资产的行情数据存在一个列表里（比如df_list = [symbol1_df, symbol2_df]），同时有对应的资产符号列表symbols = ["symbol1", "symbol2"]，每个单资产DataFrame的索引都是DatetimeIndex，列是open/high/low/close/volume这些指标。

直接用pd.concat就能一步到位生成目标结构：

import pandas as pd

# 核心代码：按列合并，用keys参数指定资产层级
multi_index_df = pd.concat(
    df_list,
    keys=symbols,
    axis=1
)

• 生成的结果里，列索引是双层MultiIndex：第一层是资产符号，第二层是行情指标
• 行索引保留原来的DatetimeIndex，自动对齐所有时间点（缺失的时间点会填充NaN，如果要只保留所有资产都有的时间点，加个join='inner'参数即可）

小示例验证 #

我给你写个可运行的小例子，你可以直接测试：

# 创建模拟数据
dates = pd.date_range('2022-06-17', periods=3, tz='UTC')
symbol1_df = pd.DataFrame(
    {'open': [271.0, 272.0, 273.0],
     'high': [276.62, 277.0, 278.0],
     'low': [270.39, 271.0, 272.0],
     'close': [270.73, 271.5, 272.2],
     'volume': [10947530, 11000000, 10800000]},
    index=dates
)
symbol2_df = pd.DataFrame(
    {'open': [150.0, 151.0, 152.0],
     'high': [155.0, 156.0, 157.0],
     'low': [149.0, 150.0, 151.0],
     'close': [152.0, 153.0, 154.0],
     'volume': [5000000, 5100000, 5200000]},
    index=dates
)

# 合并
df_list = [symbol1_df, symbol2_df]
symbols = ["symbol1", "symbol2"]
multi_index_df = pd.concat(df_list, keys=symbols, axis=1)

# 查看列结构
print(multi_index_df.columns)

输出的列索引就是你要的结构：

MultiIndex([('symbol1',   'open'),
            ('symbol1',   'high'),
            ('symbol1',    'low'),
            ('symbol1',  'close'),
            ('symbol1', 'volume'),
            ('symbol2',   'open'),
            ('symbol2',   'high'),
            ('symbol2',    'low'),
            ('symbol2',  'close'),
            ('symbol2', 'volume')],
           )

场景2：你有一个包含所有资产数据的单一DataFrame #

如果你的原始数据是把所有资产数据存在一个大df里，多了一列symbol用来标记资产，那可以用set_index+unstack的方式转换：

# 假设raw_df是包含symbol列的大DataFrame
multi_index_df = raw_df.set_index(['timestamp', 'symbol']).unstack('symbol')
# 调整层级顺序，把资产放在第一层，指标放在第二层
multi_index_df = multi_index_df.swaplevel(axis=1).sort_index(axis=1)

这样同样能得到和场景1一致的MultiIndex结构。

额外提示 #

• 如果需要调整指标的顺序，比如把close放在最前面，可以用reindex指定列顺序
• 如果要筛选某个资产的所有指标，可以用multi_index_df['symbol1']直接获取；筛选所有资产的收盘价可以用multi_index_df.xs('close', axis=1, level=1)

内容的提问来源于stack exchange，提问作者Ferdinand Loesch