如何在多层索引DataFrame中添加0级列并保留格式

原始DataFrame #

以下是你提供的原始多层索引DataFrame代码：

import pandas as pd

data = [[99,3,12,4,63,55]]
cols = pd.MultiIndex.from_product([['1. FY21','2. FY22','3. FY23'],['Values','Sites']])
df = pd.DataFrame(data, columns = cols)

# 注：此处set_levels操作可省略，from_product已生成对应层级
# df.columns.set_levels(['1. FY21','2. FY22','3. FY23'],level=0,inplace=True)
# df.columns.set_levels(['Values', 'Sites'], level=1, inplace=True)

目标1：添加空列 #

直接在原DataFrame上为新0级列添加两个1级子列并赋值，无需重构整个数据集，适合大型DataFrame：

# 定义新的0级列名称
new_col_level0 = '4. New Column'

# 为两个1级子列赋值"blank"
df[(new_col_level0, 'Values')] = "blank"
df[(new_col_level0, 'Sites')] = "blank"

# 可选：重新排列列顺序，匹配期望输出结构
df = df.reindex(columns=pd.MultiIndex.from_product(
    [['1. FY21','2. FY22','3. FY23', new_col_level0], ['Values','Sites']]
))

执行后即可得到带空列的目标DataFrame。

目标2：通过计算填充新列 #

基于已有列的运算结果填充新列，直接在原DataFrame上操作更高效：

new_col_level0 = '4. New Column'

# 计算Values列：FY21 Values - FY22 Values
df[(new_col_level0, 'Values')] = df[('1. FY21', 'Values')] - df[('2. FY22', 'Values')]
# 计算Sites列：FY21 Sites - FY22 Sites
df[(new_col_level0, 'Sites')] = df[('1. FY21', 'Sites')] - df[('2. FY22', 'Sites')]

# 可选：重新排列列顺序
df = df.reindex(columns=pd.MultiIndex.from_product(
    [['1. FY21','2. FY22','3. FY23', new_col_level0], ['Values','Sites']]
))

执行后新列的Values值为99-12=87，Sites值为3-4=-1，与期望输出一致。

内容的提问来源于stack exchange，提问作者Sam