如何将两个单索引DataFrame按行合并为多级索引DataFrame？

当然有更简洁高效的实现方式！你当前的方法需要先构建宽表再转长表，其实可以直接利用Pandas的MultiIndex.from_product一步生成两级索引，再构造DataFrame，完全跳过中间的melt步骤。

先还原你的原始实现（方便对比） #

假设你的两个单索引DataFrame分别是df_days（行索引为日期）和df_bus（行索引为公交线路），原始代码大概是这样：

import pandas as pd

# 示例单索引DataFrame
df_days = pd.DataFrame(index=['周一', '周二', '周三'])
df_bus = pd.DataFrame(index=['公交1', '公交2'])

# 原始繁琐步骤：先建宽表 → melt转长表 → 设置多级索引
wide_df = pd.DataFrame(60, index=df_days.index, columns=df_bus.index)
melted_df = wide_df.reset_index().melt(id_vars='index', var_name='Bus', value_name='Duration')
final_df = melted_df.set_index(['index', 'Bus']).rename_axis(['Days', 'Bus'])

更优的实现方案 #

直接通过MultiIndex.from_product生成日期和公交线路的笛卡尔积索引，再直接构造DataFrame：

import pandas as pd

# 同样的示例单索引DataFrame
df_days = pd.DataFrame(index=['周一', '周二', '周三'])
df_bus = pd.DataFrame(index=['公交1', '公交2'])

# 一步生成两级索引并构造DataFrame
multi_index = pd.MultiIndex.from_product(
    [df_days.index, df_bus.index],  # 传入两个索引的标签，生成笛卡尔积
    names=['Days', 'Bus']  # 指定两级索引的名称
)
final_df = pd.DataFrame({'Duration': 60}, index=multi_index)

为什么这个方案更好？ #

• 代码更简洁：省去了宽表创建和melt转换的冗余步骤，逻辑更直接。
• 效率更高：避免了宽表的内存占用（尤其是当日期或公交线路数量较多时，宽表的中间环节会额外消耗内存）。
• 可读性更强：直接明确表达了“基于两个索引的笛卡尔积生成多级索引”的意图，维护起来更轻松。

如果你的两个原始DataFrame除了索引还有其他数据需要整合，也可以基于这个思路扩展，比如用merge结合cross方法（Pandas 1.2.0+支持），但如果只是生成固定值的多级索引表，上面的方法是最优解。

内容的提问来源于stack exchange，提问作者Chang