如何为Pandas中带MultiIndex列索引的DataFrame新增顶层列索引

使用pd.MultiIndex.from_product时若传入已有的MultiIndex对象作为参数，会触发NotImplementedError: isna is not defined for MultiIndex报错。原因是该方法仅支持传入单层可迭代序列用于生成笛卡尔积，处理MultiIndex类型的元素时，内部的空值检查逻辑未实现。

方案1：直接拼接索引元组（推荐） #

遍历现有列的每个MultiIndex元组，在最前面插入顶层索引值，再通过from_tuples生成新的多层索引：

import pandas as pd
df = pd.DataFrame({'A': [11, 21, 31],
               'B': [12, 22, 32],
               'C': [13, 23, 33]},
              index=['ONE', 'TWO', 'THREE'])

# 原有生成两层列索引的代码不变
df.columns = pd.MultiIndex.from_product([['level1'],['level2'],df.columns ])
# 替换原报错代码，新增顶层Top索引
df.columns = pd.MultiIndex.from_tuples([('Top', *col) for col in df.columns])

# 打印验证输出
print(df)

运行后输出完全符合预期效果：

Top          
     level1          
     level2          
          A   B   C
ONE      11  12  13
TWO      21  22  23
THREE    31  32  33

方案2：concat快速添加顶层索引 #

通过列方向concat的keys参数自动生成顶层索引，代码更简洁：

# 原有生成两层列索引的代码不变
df.columns = pd.MultiIndex.from_product([['level1'],['level2'],df.columns ])
# 列方向拼接单个DataFrame，keys参数指定顶层索引值
df = pd.concat([df], keys=['Top'], axis=1)

内容的提问来源于stack exchange，提问作者rpb