如何基于原Pandas多层索引DataFrame创建新的多层索引DataFrame

报错原因分析 #

你遇到的ValueError是因为尝试将多列数据（对应多家公司）直接赋值给单层列名Pct，但目标DataFrame是多层列索引结构，层级不匹配导致赋值失败。正确的做法是让每个计算结果都保持多层列索引，再合并到目标DataFrame中。

实现步骤与代码 #

假设你的df1列结构如下（第一层为指标，第二层为公司代码）：

Adj Close          High           Volume
                  AAPL    MSFT    AAPL    MSFT    AAPL    MSFT
Date
2023-01-03      125.07  240.08   126.89  242.23  112117500  25740000
2023-01-04      126.36  240.31   128.65  242.78   89113600  22622500
...

以下是完整的正确实现代码：

1. 计算涨跌幅（Pct Change）
   从Adj Close列计算每日涨跌幅，将结果的第一层列名设为Pct：

pct_change = df1['Adj Close'].pct_change().rename_axis(columns=['Pct', 'Ticker'])

2. 计算价格均线（10MA、20MA）
   基于Adj Close计算不同周期的滚动均值，分别设置第一层列名：

ma10 = df1['Adj Close'].rolling(window=10).mean().rename_axis(columns=['10MA', 'Ticker'])
ma20 = df1['Adj Close'].rolling(window=20).mean().rename_axis(columns=['20MA', 'Ticker'])

3. 计算成交量均线（V10MA、V20MA）
   基于Volume列计算滚动均值，设置对应的第一层列名：

v_ma10 = df1['Volume'].rolling(window=10).mean().rename_axis(columns=['V10MA', 'Ticker'])
v_ma20 = df1['Volume'].rolling(window=20).mean().rename_axis(columns=['V20MA', 'Ticker'])

4. 计算当日High高于昨日Adj Close的布尔值
   将当日High与前一日Adj Close对比，得到布尔结果，第一层列名设为High_Above_Prev_Close：

high_above_prev = (df1['High'] > df1['Adj Close'].shift(1)).rename_axis(columns=['High_Above_Prev_Close', 'Ticker'])

5. 合并所有结果到df2
   使用pd.concat将所有计算结果按列合并，保持多层列索引结构：

import pandas as pd

df2 = pd.concat([pct_change, ma10, ma20, v_ma10, v_ma20, high_above_prev], axis=1)

验证结果 #

最终df2的列结构会是：

Pct          10MA         20MA        V10MA        V20MA        High_Above_Prev_Close
              AAPL    MSFT    AAPL    MSFT    AAPL    MSFT    AAPL      MSFT      AAPL      MSFT
Date
2023-01-03      NaN     NaN     NaN     NaN     NaN     NaN     NaN       NaN       True      True
2023-01-04     0.0103  0.0009   NaN     NaN     NaN     NaN     NaN       NaN       True      True
...

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