如何基于用户提供的可迭代对象为Pandas DataFrame列追加新层级？

日常用Pandas处理数据时，有时需要给DataFrame的列索引追加新层级，而且要求每一列对应可迭代对象里的一个值，而非给所有列加同一个层级值。现有方案大多只覆盖单个值添加层级的场景，这里给出支持普通列索引和MultiIndex列索引的实现方法。

实现函数 #

import pandas as pd

def append_level(df, new_level):
    # 校验新层级元素数量与列数匹配
    assert len(new_level) == len(df.columns), "新层级的元素数量必须和列数一致"
    
    if isinstance(df.columns, pd.MultiIndex):
        # 已有多层级时，将新层级追加到末尾
        new_columns = pd.MultiIndex.from_arrays(
            df.columns.to_list() + [new_level],
            names=df.columns.names + [None]  # 需命名层级可替换None为具体名称
        )
    else:
        # 普通列索引时，组合为双层MultiIndex
        new_columns = pd.MultiIndex.from_arrays(
            [df.columns.tolist(), new_level],
            names=[df.columns.name, None]
        )
    
    # 返回副本避免修改原数据
    df_copy = df.copy()
    df_copy.columns = new_columns
    return df_copy

关键逻辑说明 #

• 参数校验：确保传入的可迭代对象长度和DataFrame列数一致，避免索引不匹配问题。
• 索引类型判断：
  • 若已是MultiIndex，将原层级数组与新层级数组拼接，生成新的多层级索引；
  • 若为普通列索引，将原列名与新层级组合成双层索引。
• 副本操作：修改列索引时返回DataFrame副本，防止原数据被意外修改。

示例演示 #

示例1：普通列索引追加层级

df = pd.DataFrame(0, columns=["A", "B"], index=range(2))
print("原DataFrame：")
print(df)
# 输出：
#    A  B
# 0  0  0
# 1  0  0

df_with_level = append_level(df, ["C", "D"])
print("\n追加层级后：")
print(df_with_level)
# 输出：
#    A  B
#    C  D
# 0  0  0
# 1  0  0

示例2：MultiIndex列索引继续追加层级

df_multi = append_level(df_with_level, ["E", "F"])
print("\n再次追加层级后：")
print(df_multi)
# 输出：
#    A  B
#    C  D
#    E  F
# 0  0  0
# 1  0  0

可选：为层级命名 #

如果需要给新增的层级指定名称，只需修改函数中的names参数：

# 普通列索引时指定层级名
new_columns = pd.MultiIndex.from_arrays(
    [df.columns.tolist(), new_level],
    names=["原列名", "新层级"]
)

# MultiIndex时追加层级名
new_columns = pd.MultiIndex.from_arrays(
    df.columns.to_list() + [new_level],
    names=df.columns.names + ["新层级"]
)

内容的提问来源于stack exchange，提问作者edd313