如何从索引不同的DataFrame构建多层索引的目标DataFrame

你原有代码报错的核心原因是索引对齐规则不匹配：你循环赋值时，每次筛选出来的浓度Series仍携带dfA原始的整数索引，和你提前给dfB设置的日期多层索引无法对应，pandas找不到匹配索引的位置就会自动填充NaN，仅第一列可能因巧合索引匹配成功有值。

不需要手动循环，直接用Pandas内置的透视表功能即可一步生成目标dfB，操作步骤如下：

1. 首先将dfA的行索引替换为你需要的日期多层索引，假设你示例中多层索引的两个字段分别为日期（如083021）和子编号（如14、15、57）：

dfA = dfA.set_index(['日期', '子编号'])

2. 直接调用pivot方法生成目标表：

dfB = dfA.pivot(columns='Sample Name', values='Calculated Concentration')

• 如果存在「同一个日期多层索引+同一个样本名称」对应多条浓度值的情况，可以用pivot_table指定聚合规则处理重复值：

dfB = dfA.pivot_table(
    index=['日期', '子编号'], # 行多层索引字段
    columns='Sample Name', # 列字段为样本名
    values='Calculated Concentration', # 单元格值为浓度
    aggfunc='mean' # 重复值聚合规则，可替换为sum、first、last等
)

• 如果你坚持要保留原有循环逻辑，只需要提前把dfA的索引统一修改为日期多层索引，即可匹配对齐：

# 提前设置dfA的多层索引
dfA = dfA.set_index(['日期', '子编号'])
# 初始化dfB的索引和dfA的唯一索引一致
dfB = pd.DataFrame(index=dfA.index.unique())
for name in nameList:
    dfB[str(name)] = dfA[dfA['Sample Name'] == str(name)]['Calculated Concentration']

内容的提问来源于stack exchange，提问作者pstumps