如何为已有Pandas DataFrame指定列添加层级名称并合并多表？

一、给现有DataFrame添加顶层列索引 #

你找对方向了，用MultiIndex完全能搞定这个需求，咱们直接对DataFrame的columns属性做修改就行，步骤很简单：

先运行你提供的创建DataFrame的代码：

import pandas as pd

wins = {'Wins': (151, 120)}
losses = {'Losses': (124, 110)}
dict_all = {**wins, **losses}
df = pd.DataFrame.from_dict(dict_all, orient='index', columns=['Season_1', 'Season_2'])

接下来用pd.MultiIndex.from_product()给列套上顶层名称"John"，这个方法能快速生成多层索引结构：

# 把原列名作为第二层，"John"作为顶层，构建多级列索引
df.columns = pd.MultiIndex.from_product([['John'], df.columns])

现在输出df，就是你想要的结构：

二、合并多个带层级索引的DataFrame #

你提到想用pandas.merge()，不过这里其实用pd.concat()更合适——因为咱们的多个DataFrame行索引（Wins、Losses）完全一致，直接按列拼接就好，比merge更简洁高效。

先创建对应Adam的DataFrame，同样给它加上顶层列索引：

# 创建Adam的DataFrame
wins_adam = {'Wins': (111, 110)}
losses_adam = {'Losses': (102, 110)}
dict_adam = {**wins_adam, **losses_adam}
df_adam = pd.DataFrame.from_dict(dict_adam, orient='index', columns=['Season_1', 'Season_2'])
# 添加顶层列索引"Adam"
df_adam.columns = pd.MultiIndex.from_product([['Adam'], df_adam.columns])

然后用concat按列拼接两个DataFrame：

combined_df = pd.concat([df, df_adam], axis=1)

最终得到的combined_df就是你期望的结构：

要是你坚持想用merge也可以（只是没必要），因为行索引一致，我们可以把索引作为键来合并：

# 用merge实现的方式（仅作参考，更推荐concat）
combined_df = df.merge(df_adam, left_index=True, right_index=True)

结果和concat完全一致，但concat的写法更直接。

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