为带MultiIndex列的DataFrame批量添加多列遇ValueError的技术问询

我完全懂你遇到的困扰——当DataFrame的列是多层索引（MultiIndex）时，直接用普通单列赋值的方式添加多列会因为列数不匹配报错。这是因为pandas会默认你要添加单个列，但你传入的df['plus_zero'] +1其实是一个包含多列的结果（这里是2列），所以才触发了ValueError: Wrong number of items passed 2, placement implies 1。

下面给你几种适配列数不固定场景的可行解决方案：

方法1：动态生成MultiIndex列并赋值 #

这种方法能自动匹配原DataFrame的下层列名，完美适配列数不固定的情况：

import pandas as pd
import numpy as np

# 初始化你的DataFrame
df = pd.DataFrame(np.random.rand(4,2), columns=pd.MultiIndex.from_tuples([('plus_zero', 'A'), ('plus_zero', 'B')]))

# 获取原下层列的所有唯一值（不管有多少列都能自动识别）
lower_cols = df.columns.get_level_values(1).unique()
# 生成新的MultiIndex列元组
new_multi_cols = [('plus_one', col) for col in lower_cols]

# 直接赋值新列
df[new_multi_cols] = df['plus_zero'].values + 1

方法2：使用pd.concat横向拼接 #

先给新生成的子DataFrame设置好对应的MultiIndex列，再和原DataFrame拼接：

# 生成新的子DataFrame
df_plus_one = df['plus_zero'] + 1
# 为新DataFrame配置MultiIndex列
df_plus_one.columns = pd.MultiIndex.from_tuples([('plus_one', col) for col in df_plus_one.columns])

# 横向拼接原DataFrame和新DataFrame
df = pd.concat([df, df_plus_one], axis=1)

方法3：简洁的join+rename写法 #

如果追求代码简洁，可以用join配合rename一步完成：

df = df.join(df['plus_zero'].add(1).rename(lambda x: ('plus_one', x), axis=1))

运行上述任意一种方法后，你就能得到期望的结果：

plus_zero       plus_one
           A         B         A         B
0  0.602891  0.701130  1.602891  1.701130
1  0.395749  0.960206  1.395749  1.960206
2  0.268238  0.140606  1.268238  1.140606
3  0.165802  0.971707  1.165802  1.971707

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