如何在Python Pandas中按method名称追加MultiIndex DataFrame列？

我明白你的需求是给现有的MultiIndex DataFrame添加另一组列，并且最终让列按照method这个字符串元组排序，实现多组列并排的效果。咱们一步步来解决这个问题：

1. 先明确你的DataFrame结构 #

你当前创建df1的代码是这样的：

method = tuple([TestAa, TestAb])
columns = [[method]*3,["level", "l", "r"]]
tuples = list(zip(*columns))
index = pd.MultiIndex.from_tuples(tuples, names=['method', 'properties'])
df1= pd.DataFrame(columns=index, data=data, dtype=np.float)

这里的列是双层索引：第一层是method元组，第二层是具体属性（level、l、r）。

2. 追加新DataFrame的正确方式 #

要实现你期望的列并排效果，不能用普通的append（它是行方向追加），而是要用pd.concat()函数沿着列的方向（axis=1）拼接。

假设你已经用同样的方式创建了df2（它的列索引第一层是(TestBa, TestBb)），拼接代码如下：

# 沿列方向拼接两个DataFrame
combined_df = pd.concat([df1, df2], axis=1)

3. 按method排序列 #

拼接完成后，你需要对列的第一层索引（method）进行排序，让列组按照你想要的顺序排列：

# 对列的MultiIndex按「method」层级排序
combined_df = combined_df.sort_index(axis=1, level='method')

这样处理后，列就会按照method元组的顺序排列，呈现出你期望的(TestAa, TestAb)列组在前、(TestBa, TestBb)列组在后的效果。

4. 循环中批量追加的处理 #

如果是在循环里多次追加不同的列组，你可以先初始化一个空DataFrame，然后每次循环把新生成的DataFrame拼接到上面：

# 初始化空的最终DataFrame
final_df = pd.DataFrame()

# 示例循环：假设你有多个method元组需要处理
method_list = [(TestAa, TestAb), (TestBa, TestBb), (TestCa, TestCb)]
for method_tuple in method_list:
    # 生成当前method对应的DataFrame
    columns = [[method_tuple]*3, ["level", "l", "r"]]
    tuples = list(zip(*columns))
    index = pd.MultiIndex.from_tuples(tuples, names=['method', 'properties'])
    current_df = pd.DataFrame(columns=index, data=data, dtype=np.float)
    
    # 拼接到最终DataFrame
    final_df = pd.concat([final_df, current_df], axis=1)

# 最后对列按method排序
final_df = final_df.sort_index(axis=1, level='method')

验证最终结果 #

这样处理后，你的最终DataFrame结构会和你期望的一致：

method               (TestAa, TestAb)        (TestBa, TestBb)
properties               level      l      r        level      l      r
0                        0.0  144.6  161.4          0.0  150.6  161.4
1                        0.1  146.3  161.4          0.1  151.3  161.4
2                        0.2  148.0  161.4          0.2  152.0  161.4
3                        0.3  149.7  161.4          0.3  153.7  161.4
4                        0.4  151.3  161.4          0.4  155.3  161.4

需要注意：确保每个要拼接的DataFrame的行索引完全一致，这样拼接时才能正确对齐行数据。

内容的提问来源于stack exchange，提问作者zeniapy