如何构建Pandas混合层级MultiIndex DataFrame适配非对称层级表格

你可以通过同时设置行多层索引和列多层索引实现需求，完整实现代码如下：

import pandas as pd

# 原始数据定义
df1 = pd.DataFrame([['a', 1, 6,], ['b', 2, 3,]], columns=['Name', 'Mean', 'Var']).set_index('Name')
df2 = pd.DataFrame([['a', 'x', +1,], ['a', 'y', -1,], ['b', 'x', -2,], ['b', 'y', 1,]], 
                   columns=['Name', 'Orientation', 'W']).set_index(['Name', 'Orientation'])

# 构造两层列索引，匹配你的分类需求
df1.columns = pd.MultiIndex.from_tuples([('V', 'Mean'), ('V', 'Var')])
df2.columns = pd.MultiIndex.from_tuples([('W', '')])

# 按Name索引关联两个表，df1的V类数据会自动广播到对应Name的所有Orientation行
df = df2.join(df1, on='Name')

# 可选优化：如果不需要V类数据重复显示，可执行以下代码将非首行的V值设为空，不影响索引取值逻辑
# df.loc[df.groupby(level='Name').cumcount() > 0, [('V', 'Mean'), ('V', 'Var')]] = pd.NA

效果验证 #

• 执行df.loc['a']['V','Mean']返回结果为1，符合要求
• 执行df.loc['a','y']['W']返回结果为-1，符合要求

结构说明 #

• 行索引为两层MultiIndex：一级为Name，二级为Orientation，匹配你设定的层级分类规则
• 列索引为两层MultiIndex：一级分为V和W两个大类，V下包含Mean、Var两个子字段，W无次级字段，适配非对称的列结构
• V类字段天然仅和Name关联，合并时自动按Name匹配到所有对应子行，无需额外维护关联关系

内容的提问来源于stack exchange，提问作者Hojin Cho