如何将单索引DataFrame数据填充至多级索引DataFrame对应列？

问题场景 #

• 单索引DataFrame X：列名为货币名称（如USD、EUR），存储对应货币的数值数据
• 多级索引DataFrame Y：一级索引为国家，二级索引为货币，存在重复的二级索引（例如4个不同国家对应的EUR列）
• 尝试用以下代码将X的货币列数据填充到Y中匹配的(国家,货币)列时触发错误：

for column in X.columns: 
    Y.loc[:, (slice(None), [column])] = X[column] 

ValueError: Must have equal len keys and value when setting with an iterable

错误原因 #

代码中(slice(None), [column])会选中Y中所有二级索引为该货币的列（比如4个EUR列），但赋值的X[column]是一维Series，长度与选中的多列不匹配，导致赋值失败。

解决方法 #

方法1：遍历多级列逐个匹配赋值

直接遍历Y的每一列（多级索引对），匹配货币后赋值：

for country, currency in Y.columns:
    if currency in X.columns:
        # 赋值X中对应货币的数值，确保长度匹配
        Y.loc[:, (country, currency)] = X[currency].values

方法2：用apply批量映射赋值

通过apply遍历Y的列，利用列名的二级索引（货币）批量匹配X的数据：

Y = Y.apply(
    lambda col: X[col.name[1]].values if col.name[1] in X.columns else col
)

注意事项 #

• 确保X和Y的行索引完全一致，避免数据错位
• 若Y中存在X没有的货币列，会保留原空值（可根据需求添加默认值逻辑）

内容的提问来源于stack exchange，提问作者amar96