如何合并两个DataFrame并保留其中一个的多级索引结构？

要保留第一个DataFrame的多级索引结构，核心是避免合并过程中丢失索引信息，以下是两种实用方法，搭配模拟示例说明：

先明确模拟场景 #

先构建和你描述匹配的测试数据：

import pandas as pd

# 多级索引的DataFrame（对应你的"Multi-level dataframe"）
df_multi = pd.DataFrame(
    {'销售额': [1000, 800, 1200, 900]},
    index=pd.MultiIndex.from_tuples(
        [('华东', '上海'), ('华东', '杭州'), ('华北', '北京'), ('华北', '天津')],
        names=['大区', '城市']
    )
)

# 基础结构的DataFrame（对应你的"Basic dataframe"）
df_basic = pd.DataFrame(
    {'大区': ['华东', '华东', '华北', '华北'], '城市': ['上海', '杭州', '北京', '天津'], '成本': [600, 500, 700, 550]}
)

方法一：重置索引合并后恢复（通用场景） #

如果不确定合并键的对应关系，用这种最稳妥：

1. 先把多级索引转为普通列
2. 基于共同列完成合并
3. 重新设置回多级索引

# 1. 把多级索引转成列
df_multi_reset = df_multi.reset_index()
# 2. 按共同列合并
merged_df = pd.merge(df_multi_reset, df_basic, on=['大区', '城市'])
# 3. 恢复多级索引
merged_multi = merged_df.set_index(['大区', '城市'])

方法二：用join直接对齐索引（更简洁） #

如果基础DataFrame的列刚好和多级索引的级别完全对应，可以先给基础表设置匹配索引，再用join合并：

# 把基础表的匹配列设置为索引，和多级索引对齐
df_basic_indexed = df_basic.set_index(['大区', '城市'])
# 直接join，自动保留多级索引结构
merged_multi = df_multi.join(df_basic_indexed)

关键注意事项 #

• 必须保证合并键完全匹配：多级索引的每个级别名称（比如示例中的「大区」「城市」）要和基础表的列名一致
• 如果只需要按部分索引级别合并（比如只按「大区」），可以用merge的left_index=True指定左表用索引，right_on指定右表的匹配列：

  df_basic_single = pd.DataFrame({'大区': ['华东', '华北'], '区域预算': [5000, 4000]})
  # 按大区合并，保留原多级索引
  merged_partial = pd.merge(df_multi, df_basic_single, left_index=True, right_on='大区').drop('大区', axis=1)
  

内容的提问来源于stack exchange，提问作者ho0sh12