如何在Pandas中结合两个DataFrame创建MultiIndex多级表头？

核心实现逻辑 #

两个表的关联匹配键为：df 的原始列名 与 df2 中 MSR 列的取值完全一一对应，所有操作围绕这个匹配关系完成。 #

分步可运行实现 #

第一步：复现示例基础数据 #

import pandas as pd

# 原始时间序列DataFrame
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]], columns=['a', 'b', 'c'])
# 带列名附加信息的映射表
df2 = pd.DataFrame([['a','b','c'],['a_desc','b_desc','c_desc'],['a_unit','b_unit','c_unit']]).T
df2.columns = ['MSR', 'OBJDESC', 'UNIT']

第二步：构建信息查询映射 #

把附加信息表设置为以原列名为索引的结构，避免循环查表时重复匹配，提升运行效率：

info_map = df2.set_index('MSR')

第三步：按需求生成对应表头 #

根据最终展示效果，分两种常见场景实现：

• 场景1：单级拼接表头
  把列名、描述、单位拼成一个完整的字符串作为新列名，适合单层级的表格展示：

  new_columns = [
      f"{ori_col}_{info_map.loc[ori_col, 'OBJDESC']}_{info_map.loc[ori_col, 'UNIT']}"
      for ori_col in df.columns
  ]
  df.columns = new_columns
  

• 场景2：多级层级表头
  实现分层表头展示效果，用pandas的MultiIndex实现多层级列，每一层分别展示原列名、描述、单位：

  # 按列顺序构建三级表头结构
  multi_header = pd.MultiIndex.from_arrays(
      [
          df.columns,
          [info_map.loc[col, 'OBJDESC'] for col in df.columns],
          [info_map.loc[col, 'UNIT'] for col in df.columns]
      ],
      names=['原始列名', '指标描述', '计量单位']
  )
  df.columns = multi_header
  

常见注意事项 #

• 匹配前需要清洗两个表的关联键，比如用.str.strip()去掉字符串前后的冗余空格，避免因为格式不一致导致匹配失败
• 如果存在两边列名不对齐的情况（比如df有列在df2里没有对应信息，或反过来），可以提前对齐列的顺序，过滤掉无匹配信息的列，避免索引报错
• 拼接格式可以根据需求自由调整，比如用（）、|等分隔符替换下划线，适配不同的展示风格

内容的提问来源于stack exchange，提问作者Lorzen