如何用Pandas为已有DataFrame添加顶级列并实现子列值对齐？

原代码的问题在于pd.DataFrame([med], columns=cols)把整个med DataFrame当成了单行数据的元素，导致每个单元格存储的是完整的Series，而非单个数值，自然无法对齐。

下面是两种直接可行的解决方案：

方法一：直接修改原DataFrame的列索引 #

如果不需要保留原med的结构，直接修改它的列索引即可：

import pandas as pd

med = pd.DataFrame({
      'Gold':[54, 37, 37, 14, 19, 19, 9, 10, 2],
      'Silver': [42, 40, 26, 16, 22, 14, 8, 9, 9],
      'Bronze': [41, 49, 29, 32, 33, 12, 9, 7, 11],
})

# 把原列名嵌套到顶级列'Masculine'下
med.columns = pd.MultiIndex.from_product([['Masculine'], med.columns])

方法二：用pd.concat创建新的多级列DataFrame #

如果需要保留原med不变，用pd.concat包装即可自动生成多级列：

import pandas as pd

med = pd.DataFrame({
      'Gold':[54, 37, 37, 14, 19, 19, 9, 10, 2],
      'Silver': [42, 40, 26, 16, 22, 14, 8, 9, 9],
      'Bronze': [41, 49, 29, 32, 33, 12, 9, 7, 11],
})

# 以字典形式传入，键作为顶级列名，值作为子列对应的DataFrame
df = pd.concat({'Masculine': med}, axis=1)

两种方法最终得到的结果一致：顶级列为Masculine，下属Gold、Silver、Bronze三个子列，所有数值和原med完全对齐。

内容的提问来源于stack exchange，提问作者Froz