合并多级索引Pandas DataFrame报错与列对齐问题求解

问题原因 #

• 首次merge报错：df1.unstack()返回的是无名称的Series，merge操作要求参与合并的对象必须有可识别的名称/列名，因此触发ValueError: Cannot merge a Series without a name。
• 后续join列未对齐：df1列索引的第一级是Timestamp类型的日期，你给df2设置的列索引第一级是字符串格式的日期，两类数据类型不匹配，排序时无法和df1的同日期列归为一组，因此全部出现在表尾。

解决方案 #

核心思路是将df2的列转换为和df1结构完全一致的二级MultiIndex，保证日期维度的类型、层级完全匹配：

# 1. 处理df2的列索引：第一级为Timestamp格式日期，第二级为新增指标名（可自定义为你需要的名称）
df2.columns = pd.MultiIndex.from_tuples(
    [(pd.to_datetime(date_mappings[col]), "metric_3") for col in df2.columns],
    names=df1.columns.names
)

# 2. 直接按行索引合并后对列排序即可
result = df1.join(df2).sort_index(axis=1)

如果你已经提前执行了df2 = df2.rename(columns=date_mappings)，可以简化第一步的写法：

df2.columns = pd.MultiIndex.from_product(
    [pd.to_datetime(df2.columns), ["metric_3"]]
)

处理完成后，每个日期下会自动对齐metric_1、metric_2、metric_3三个子列，达到预期效果。

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