如何复制Pandas DataFrame的N级索引列并保留所有子表头？

编辑说明 #

需解决N=1时生成普通索引DataFrame，N>1时生成多级索引（MultiIndex）DataFrame的差异问题。

背景 #

从CSV读取含N级表头的数据集，N≥1。

N=1时的示例 #

df = pd.read_csv(file, header=[0:N])
print(df)

输出：

A   B   C 
---------------  普通索引DataFrame
0    1   2   3
1    4   5   6
2    7   8   9
       ...

N=3时的示例 #

df = pd.read_csv(file, header=[0:N])
print(df)

输出：

A   B   C
     a   b   c
     ɑ   β   𝛾   
---------------  多级索引DataFrame
0    1   2   3
1    4   5   6
2    7   8   9
       ...

需求 #

将指定列（如A列）复制为新列D，保留该列所有层级的表头，且适配任意N值。期望输出示例：

A   B   C   D
  ...N级表头行...
     a   b   c   a
     ɑ   β   𝛾   ɑ
----------------------
0    1   2   3   1
1    4   5   6   4
2    7   8   9   7
       ...

现有方案 #

基于此前的思路，可处理固定N值的场景，例如N=2时：

df[('D', df['A'].columns[0])] = df['A'] 

但该方案无法适配普通索引DataFrame，因为此时df['A']是Series类型，没有.columns属性。

扩展需求 #

目前通过if分支分别处理N=1和N≥2的情况，实现不够优雅，希望找到更Pythonic的实现方式，比如先将普通索引DataFrame转换为单级的多级索引DataFrame，再统一处理列复制逻辑。

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