Pandas DataFrame索引匹配与多表合并保留列问题咨询

问题1：给多索引DataFrame添加匹配中间索引的列 #

完全可以，直接通过索引的get_level_values方法提取中间层级的索引值，赋值为新列即可。假设你的3级索引依次是level0、level1（中间索引）、level2，示例代码如下：

import pandas as pd

# 构造一个3级索引的示例DataFrame
index = pd.MultiIndex.from_tuples(
    [('A', 'X', 1), ('A', 'X', 2), ('B', 'Y', 3), ('B', 'Y', 4)],
    names=['level0', 'level1', 'level2']
)
df = pd.DataFrame({'value': [10, 20, 30, 40]}, index=index)

# 添加列匹配中间索引level1
df['middle_index'] = df.index.get_level_values('level1')
# 或者用层级位置（中间索引是第2个，索引从0开始的话是1）
# df['middle_index'] = df.index.get_level_values(1)

print(df)

运行后会得到包含middle_index列的DataFrame，值完全匹配中间层级的索引。

问题2：合并两个DataFrame并保留transaction #列 #

核心是用merge时指定正确的关联键和合并方式，确保保留原DataFrame的transaction #列。假设你的First DF包含transaction #和name，Second DF包含name和net volume，用左连接（how='left'）就能保留First DF的所有行及transaction #，同时匹配Second DF中对应name的net volume值。示例代码如下：

import pandas as pd

# 构造示例First DF
first_df = pd.DataFrame({
    'transaction #': [1001, 1002, 1003, 1004],
    'name': ['Alice', 'Bob', 'Alice', 'Charlie']
})

# 构造示例Second DF
second_df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Dave'],
    'net volume': [500, 300, 700]
})

# 基于name列合并，保留所有transaction #
third_df = pd.merge(first_df, second_df, on='name', how='left')

print(third_df)

这样得到的third_df会保留所有transaction #记录，对应name存在的行填充net volume，不存在的行则显示NaN，完全符合需求。

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