如何一次性为pandas DataFrame的MultiIndex列设置新的一级索引列

有两种非常简便的一步实现方式，无需多步操作或循环：

方法1：利用pd.concat的keys参数（最推荐） #

pd.concat自带的keys参数可以直接为拼接的DataFrame新增一级列索引，一行完成操作：

df = pd.concat([df, df_type3], axis=1, keys=['type3'], names=df.columns.names)

参数说明：

• keys=['type3']：自动为df_type3的所有列添加上层索引type3
• names=df.columns.names：直接复用原DataFrame的MultiIndex命名，保持列索引格式统一

方法2：类单级列的直接赋值写法 #

如果想要和单级索引df['new_col'] = xxx风格一致的赋值写法，可以配合层级切片实现：

df.loc[:, ('type3', slice(None))] = df_type3

元组('type3', slice(None))指代一级索引为type3、二级索引任意的所有列，pandas会自动匹配df_type3的列与二级索引对应赋值，无需提前构造MultiIndex。

之前的尝试2失败是因为语法问题：变量名多写了下划线，且多层索引的通配不能直接在元组内写:，需要用slice(None)或者pd.IndexSlice对象代替。

内容的提问来源于stack exchange，提问作者Sara