为MultiIndex DataFrame新增层级，嵌入子DataFrame的实现方案

可以通过pd.concat结合DataFrame.apply实现一步到位的高效处理，自动扩展列的MultiIndex层级：

import pandas as pd
import numpy as np

# 初始化原DataFrame
df = pd.DataFrame(columns=pd.MultiIndex.from_arrays([[100,100],[10,20],[1,3]]),
                 data=np.random.random(12).reshape(6,2))

def get_df(col):
    return pd.DataFrame({'Double': col*2,'Triple': col*3})

# 核心实现：生成子DataFrame并横向拼接，自动保留原列索引
dg = pd.concat(df.apply(get_df, axis=0), axis=1)
# 按需调整列层级顺序（示例：将新增的Transform层级放在最内层）
dg.columns = dg.columns.reorder_levels([0,1,2,3])

关键步骤说明 #

• df.apply(get_df, axis=0)：对原DataFrame的每一列调用get_df，返回一个由子DataFrame组成的Series，每个子DataFrame包含Double和Triple两列。
• pd.concat(..., axis=1)：将子DataFrame横向拼接，此时列的MultiIndex会自动组合为(原列索引元组, 转换类型)的结构，比如原列(100,10,1)对应新列((100,10,1), 'Double')和((100,10,1), 'Triple')。
• reorder_levels：可根据需求调整层级顺序，若希望新增的Double/Triple作为最外层，只需传入[3,0,1,2]即可。

可选：给层级命名增强可读性 #

如果需要更清晰的索引命名，可以补充以下代码：

# 给原MultiIndex列命名
df.columns.names = ['Group', 'SubGroup', 'ID']
# 拼接时指定新增层级的名称
dg = pd.concat(df.apply(get_df, axis=0), axis=1, names=['Transform'])
# 调整层级顺序并应用命名
dg.columns = dg.columns.reorder_levels(['Group', 'SubGroup', 'ID', 'Transform'])

内容的提问来源于stack exchange，提问作者germ