如何合并MultiIndex与SingleIndex DataFrame并保留结果的MultiIndex结构

现有两个DataFrame：

• dfA 为列是MultiIndex结构的DataFrame，数据如下：

fir    A      B    C
sec    Aa Ab  Ba   Ca  Cb
ind
1      1  2   2    2   1
2      1  2   2    2   1
4      1  2   2    2   1

• dfB 为单级索引的DataFrame，数据如下：

ind
1
2
3
4
5

期望合并后仍保留原MultiIndex列结构，得到结果如下：

fir    A      B    C
sec    Aa Ab  Ba   Ca  Cb
ind
1      1  2   2    2   1
2      1  2   2    2   1
3      0  0   0    0   0
4      1  2   2    2   1
5      0  0   0    0   0

但使用以下代码后，列被扁平化，无法保留MultiIndex结构：

dfA = pd.merge(dfB,dfA,how='left',on='ind').fillna(0)

方法1：使用reindex #

直接基于dfB的索引对dfA重索引，填充缺失值为0，可完整保留原MultiIndex列结构：

result = dfA.reindex(dfB['ind']).fillna(0)

方法2：使用join #

先将dfB设置以ind为索引，再与dfA左连接，最后填充缺失值：

# 确保dfB的索引为ind（若原dfB的ind是列）
dfB = dfB.set_index('ind')
result = dfB.join(dfA, how='left').fillna(0)

原因说明 #

merge会自动将MultiIndex列转换为扁平化的字符串（例如把('A', 'Aa')转为'A_Aa'），因为其设计更适配单级列索引场景，无法保留多级列结构。而reindex和join会尊重原DataFrame的列索引结构，因此能满足需求。

内容的提问来源于stack exchange，提问作者sssky