Pandas如何将多个二维DataFrame合并为带层级列的三维DataFrame

你需要的分层列效果本质是pandas的MultiIndex多级列结构，不需要构造特殊三维对象，直接用横向拼接+指定一级列键值即可实现，代码如下：

import pandas as pd

# 横向拼接两个目标DataFrame，keys参数对应一级分类列名
merged_df = pd.concat(
    [dfB, dfC],
    axis=1,
    keys=["Gaming", "Casual"]
)

执行后输出的merged_df结构完全匹配预期：

Gaming       Casual
           brand price  brand price
cheap        ASUS   200     HP   500

补充使用说明 #

• 该方法会自动按行索引对齐数据，你当前两个DataFrame的行索引都是cheap，因此不会产生空值；如果后续合并的DataFrame行索引不完全一致，pandas会自动按索引匹配，缺失位置填充NaN。
• 分层列的取值方式和普通列略有区别：
  • 取整个Gaming分类下的所有列：merged_df["Gaming"]
  • 取Gaming分类下的brand列：merged_df[("Gaming", "brand")]
• 如果需要调整两个一级分类的展示顺序，直接修改keys参数里的字符串顺序即可。

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