如何将二级索引DataFrame的数据导入三级索引DataFrame？

我有一个空的三级索引DataFrame df1：

column1 column2
A   B   C

另有一个二级索引DataFrame df2，列名与df1相同，仅以B和C为索引：

column1 column2
   B     C             
   foo   bar          123     123
   foo2  bar2         456     456

想要高效地将df2的数据导入df1，并将A索引统一设为自定义值（例如1），期望输出如下：

column1 column2
 A      B     C             
 1     foo   bar          123     123
 1     foo2  bar2         456     456

我尝试过类似如下格式的代码，但未找到正确写法：

df1.loc[('my_value',??,??),:] = df2.values

方法1：为df2添加一级索引后整合（推荐） #

直接给df2补上一级索引（值设为你需要的自定义值，比如1），再整合到df1或者直接生成目标DataFrame：

简洁写法 #

import pandas as pd

# 给df2添加一级索引并调整层级顺序
df2_with_A = df2.set_index(pd.Index([1]*len(df2), name='A'), append=True).reorder_levels(['A', 'B', 'C'])

# 如果要合并到原空df1
df1 = pd.concat([df1, df2_with_A])

更直观的索引构造写法 #

# 基于df2的B、C索引，搭配自定义的A值构造三级索引
new_idx = pd.MultiIndex.from_product(
    [[1], df2.index.get_level_values('B'), df2.index.get_level_values('C')],
    names=['A', 'B', 'C']
)
df2_with_A = df2.set_index(new_idx)

# 合并到原df1
df1 = pd.concat([df1, df2_with_A])

方法2：修正loc赋值写法 #

如果一定要用loc给原df1赋值，可通过批量构造索引实现：

# 生成包含自定义A值的三级索引元组列表
idx_tuples = [(1, b, c) for b, c in df2.index]
# 批量赋值
df1.loc[idx_tuples, :] = df2.values

内容的提问来源于stack exchange，提问作者alexx0186