如何更优雅地在一级名称不同的MultiIndex间复制切片？

当两个DataFrame的列采用MultiIndex结构，且level=0的标签不同但level=1的标签完全一致时，直接赋值Series切片会因索引不匹配（level0标签无法对齐）导致赋值失败。以下是几种更简洁的实现方式，无需修改任一DataFrame的level=0名称：

方法1：临时重命名level0标签对齐索引 #

直接对要赋值的Series重命名level0的标签，匹配目标DataFrame的level0名称，让索引自动对齐后完成赋值：

import pandas as pd
idx = pd.IndexSlice

af = pd.DataFrame(index=range(4),columns=pd.MultiIndex.from_product([['mike'], ['age', 'weight']]))
bf = pd.DataFrame(index=range(4),columns=pd.MultiIndex.from_product([['foo'], ['age', 'weight']]))
for i in range(4):
    bf.loc[i, idx['foo','age']] = 10*i
    bf.loc[i, idx['foo', 'weight']] = "huge"

# 优雅赋值：rename替换level0标签
af.loc[3, idx['mike', :]] = bf.loc[1, idx['foo', :]].rename({'foo': 'mike'}, level=0)

print(af)

方法2：用目标索引重对齐 #

提取目标位置的索引，对要赋值的Series进行重索引，确保索引结构完全匹配后赋值：

# 用目标索引重索引实现对齐
target_idx = af.loc[3, idx['mike', :]].index
af.loc[3, idx['mike', :]] = bf.loc[1, idx['foo', :]].reindex(target_idx)

方法3：直接提取值赋值（需保证level1顺序一致） #

如果能确定两个DataFrame的level1标签顺序完全相同，可直接跳过索引匹配，提取Series的values属性赋值：

# 最简写法（依赖level1顺序完全一致）
af.loc[3, idx['mike', :]] = bf.loc[1, idx['foo', :]].values

注意事项 #

• 方法1和方法2能保证索引严格对齐，即使level1顺序不一致也能正确赋值，适合生产环境使用；
• 方法3虽然简洁，但仅适用于已知level1顺序完全匹配的场景，否则可能出现值错位问题。

内容的提问来源于stack exchange，提问作者user3556757