为Excel导入的Pandas DataFrame添加多层列头后所有值变为NaN如何解决

你在创建新DataFrame时传入了已有的DataFrame对象a，pandas的pd.DataFrame()构造逻辑会自动对齐原DataFrame的列名与你传入的columns参数的列名。由于a本身是单层列名的DataFrame，你传入的新列名是多层层级结构，二者完全无法匹配，因此所有位置都填充为NaN。
而你直接传入NumPy数组时，数组本身没有列名属性，pandas不会执行列名对齐操作，会直接按顺序把数组值填入新的列结构中，因此可以正常运行。

提供两种常用的可直接运行的修复方案：

• 方案1：直接修改原DataFrame的列属性，无需重新构造对象，性能更好

arrays = [["KRW","KRW", "MYR","MYR"],["Date", "Price","Date", "Price"]]
# 直接给选中的DataFrame设置多层列索引，无需额外构造步骤
a.columns = pd.MultiIndex.from_arrays(arrays)

# 如果需要保留原a不被修改，可先拷贝再修改
bb = a.copy()
bb.columns = pd.MultiIndex.from_arrays(arrays)

• 方案2：构造新DataFrame时传入原DataFrame的底层NumPy数组，跳过列名对齐逻辑

arrays = [["KRW","KRW", "MYR","MYR"],["Date", "Price","Date", "Price"]]
bb = pd.DataFrame(a.values, columns=pd.MultiIndex.from_arrays(arrays))

额外优化提示：你原有代码中生成MultiIndex时手动转元组列表的步骤可以省略，直接调用pd.MultiIndex.from_arrays(arrays)即可得到完全相同的结果，代码更简洁。

内容的提问来源于stack exchange，提问作者Justin