如何将不同日期的pandas DataFrame合并为MultiIndex多级索引DataFrame

核心逻辑是通过pd.concat的keys参数直接给每个子DataFrame添加第一级日期索引，再把hour设为第二级索引即可，具体实现代码如下：

import pandas as pd

# 此处为示例数据构造，实际使用时替换为你自己的两个DataFrame即可
df_25sep = pd.DataFrame({
    'hour': [0,1,2,3,4],
    'columnA': [12,45,10,12,12],
    'columnB': [24,87,58,13,20]
})
df_26sep = pd.DataFrame({
    'hour': [0,1,2,3,4],
    'columnA': [54,45,33,12,78],
    'columnB': [89,3,97,13,47]
})

# 将每个df的hour列设置为行索引，作为多级索引的第二级
df_25sep = df_25sep.set_index('hour')
df_26sep = df_26sep.set_index('hour')

# 拼接两个df，通过keys指定第一级索引的日期标签
result_df = pd.concat([df_25sep, df_26sep], keys=['25sep', '26sep'])

# 可选：给两级索引设置名称，更便于后续索引取值
result_df.index.names = ['date', 'hour']

运行后打印result_df即可得到你需求中的结构。

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