如何在不重复子列名的情况下移位Pandas多索引列？

场景复现 #

构造带多级列索引的DataFrame：

import pandas as pd

P = pd.DataFrame(
    [[100, 101],
     [101, 102],
     [ 98,  99]],
    columns=pd.MultiIndex.from_tuples(
        [('price', 'bid'),
         ('price', 'ask')]
    )
)

尝试直接添加显示上一行数据的列时：

P['price_prev'] = P['price'].shift(1)

触发错误：

ValueError: Cannot set a DataFrame with multiple columns to the single column price_prev

已知手动指定完整列元组可实现需求，但这种方式需要重复子列名，不够高效：

P[[('price_prev', 'bid'), ('price_prev', 'ask')]] = P['price'].shift(1)

简洁解决方案 #

无需重复子列名，可通过修改移位后数据的列索引，再合并到原DataFrame：

方案1：批量重命名列索引后合并

# 获取移位后的数据
shifted_data = P['price'].shift(1)
# 重新构造多级列索引，将顶层列名改为'price_prev'
shifted_data.columns = pd.MultiIndex.from_tuples(
    [('price_prev', sub_col) for sub_col in shifted_data.columns]
)
# 合并到原DataFrame
P = pd.concat([P, shifted_data], axis=1)

方案2：用rename简化列索引修改

P = pd.concat(
    [P, P['price'].shift(1).rename(columns=lambda sub_col: ('price_prev', sub_col))],
    axis=1
)

执行后，原DataFrame会新增price_prev顶层列，包含bid和ask子列，数据为对应price列的上一行值，效果与手动指定列名完全一致，但无需重复输入子列名。

内容的提问来源于stack exchange，提问作者Mophotla