如何为Pandas多级索引DataFrame批量赋值？

我创建了一个以Camera（A、B、C、D、E）和position（1、2、3、4）为层级的Pandas多级索引DataFrame，现在通过嵌套循环生成了5个各含4个元素的列表，分别对应A到E这5个Camera，需要把这些列表元素对应赋值到每个Camera下的position子列中，不知道该怎么实现。

初始化代码 #

import pandas as pd
import numpy as np
arrays=[['A','A','A','A','B','B','B','B',
          'C','C','C','C','D','D','D','D','E','E','E','E'],[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]]
hier_index=list(zip(*arrays))
index=pd.MultiIndex.from_tuples(hier_index,names=["Camera","position"])
df1=pd.DataFrame(np.zeros([3,20]),index=["x","y","z"], columns=index)

原嵌套循环代码（需调整逻辑） #

原循环逻辑存在问题，实际应循环5次生成对应A-E的5个列表，修正后如下：

cameras = ['A', 'B', 'C', 'D', 'E']
generated_lists = []
for cam in cameras:
    x = []
    for j in range(4):
        x_r = # 你的具体计算公式
        x.append(x_r)
    generated_lists.append(x)

解决方案 #

方法1：按Camera层级直接赋值 #

利用Pandas多级索引的层级选择特性，直接遍历Camera和对应的生成列表，批量赋值到对应列：

import pandas as pd
import numpy as np

# 初始化多级索引DataFrame（重复原代码方便测试）
arrays=[['A','A','A','A','B','B','B','B',
          'C','C','C','C','D','D','D','D','E','E','E','E'],[1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4,1,2,3,4]]
hier_index=list(zip(*arrays))
index=pd.MultiIndex.from_tuples(hier_index,names=["Camera","position"])
df1=pd.DataFrame(np.zeros([3,20]),index=["x","y","z"], columns=index)

# 模拟生成5个对应A-E的列表（3行4列，匹配x/y/z行和4个position列）
cameras = ['A', 'B', 'C', 'D', 'E']
generated_lists = []
for _ in cameras:
    # 替换成你的实际计算逻辑，这里用随机数示例
    row_data = np.random.rand(3, 4)  # 3行对应x/y/z，4列对应position1-4
    generated_lists.append(row_data)

# 批量赋值
for cam, data in zip(cameras, generated_lists):
    df1[cam] = data

print(df1)

方法2：构造新DataFrame合并 #

如果数据量较大，可直接构造匹配结构的新DataFrame，再替换原数据：

# 基于生成的列表构造新数据字典
new_data = {cam: data for cam, data in zip(cameras, generated_lists)}

# 构造与原结构一致的多级索引DataFrame
new_df = pd.DataFrame(new_data, index=["x", "y", "z"])
new_df = new_df.stack().unstack(level=1)
new_df.columns = index

# 替换原DataFrame的数值
df1.loc[:, :] = new_df.values

print(df1)

关键注意点 #

• 生成的列表维度必须匹配原DataFrame：原DataFrame有3行（x/y/z），每个Camera对应4列（position1-4），所以每个生成的数据集应该是3行×4列的结构（如果你的x_r是单值，需要按行组织成对应结构）。
• df1[cam]可以直接选中该Camera下的所有position子列，无需逐个position单独赋值，大幅简化操作。

内容的提问来源于stack exchange，提问作者SAHAR GOHARSHENASAN