如何使用Pandas将含DataFrame值的字典转换为层级结构DataFrame

现有两个示例DataFrame：
df1：

Idx    A    B    C
0    1  1.1  1.2  1.3
1    2  1.4  1.5  1.4

df2：

Idx    A    B    C
0    1  2.1  2.2  2.3
1    2  2.4  2.5  2.4

期望合并为带层级索引的DataFrame，结构如下：

Idx    A    B    C
R1 0    1  1.1  1.2  1.3
   1    2  1.4  1.5  1.4
R2 0    1  2.1  2.2  2.3
   1    2  2.4  2.5  2.4

尝试用字典存储后转成DataFrame，代码如下：

dict_val = {}
dict_val['R1'] = df1
dict_val['R2'] = df2
df_join = pd.DataFrame.from_dict(dict_val)

但报错：ValueError: Must pass 2-d input.

错误原因 #

pd.DataFrame.from_dict()要求字典中的值是一维或二维的可迭代对象（比如列表、数组），但你存入的是完整的DataFrame（本身是二维结构），不符合输入要求，因此抛出错误。

解决方案 #

使用pd.concat()工具合并多个DataFrame，通过keys参数可以快速给每个子DataFrame添加顶层索引，实现目标层级结构。

完整代码示例 #

import pandas as pd

# 构造示例DataFrame
df1 = pd.DataFrame({
    'Idx': [1, 2],
    'A': [1.1, 1.4],
    'B': [1.2, 1.5],
    'C': [1.3, 1.4]
})

df2 = pd.DataFrame({
    'Idx': [1, 2],
    'A': [2.1, 2.4],
    'B': [2.2, 2.5],
    'C': [2.3, 2.4]
})

# 合并并添加层级索引
result = pd.concat([df1, df2], keys=['R1', 'R2'])

# 打印结果
print(result)

说明 #

• keys=['R1', 'R2']会自动为每个子DataFrame生成顶层行索引，形成(Group, 原索引)的多层索引结构。
• 合并后的DataFrame保留了原DataFrame的所有列，输出格式与你期望的结构完全一致。

内容的提问来源于stack exchange，提问作者Tutu