如何简单地将列级别添加到pandas数据帧

Question

假设我有一个如下所示的数据框:

df = pd.DataFrame(index=list('abcde'), data={'A': range(5), 'B': range(5)})
 df
Out[92]: 
   A  B
a  0  0
b  1  1
c  2  2
d  3  3
e  4  4

假设这个数据帧已经存在,我怎样才能简单地在列索引中添加一个"C"级别,所以我得到了这个:

 df
Out[92]: 
   A  B
   C  C
a  0  0
b  1  1
c  2  2
d  3  3
e  4  4

我看到SO anwser就像这个python/pandas:如何将两个数据帧合并为一个具有分层列索引的数据帧？但这会使不同的数据帧不同,而不是将列级别添加到已存在的数据帧中.

-

Answer 1

正如@StevenG本人所建议的那样,一个更好的答案:

df.columns = pd.MultiIndex.from_product([df.columns, ['C']])

print(df)
#    A  B
#    C  C
# a  0  0
# b  1  1
# c  2  2
# d  3  3
# e  4  4

Answer 2

一个解决方案，将名称添加到新级别，并且比已经提出的其他答案更容易阅读：

df['newlevel'] = 'C'
df = df.set_index('newlevel', append=True).unstack('newlevel')

print(df)
#           A  B
# newlevel  C  C
# a         0  0
# b         1  1
# c         2  2
# d         3  3
# e         4  4

Answer 3

选项1
set_index和T

df.T.set_index(np.repeat('C', df.shape[1]), append=True).T

选项2
pd.concat,keys和swaplevel

pd.concat([df], axis=1, keys=['C']).swaplevel(0, 1, 1)

Answer 4

您可以只分配如下列：

>>> df.columns = [df.columns, ['C', 'C']]
>>> df
   A  B
   C  C
a  0  0
b  1  1
c  2  2
d  3  3
e  4  4
>>> 

或者对于未知长度的列：

>>> df.columns = [df.columns.get_level_values(0), np.repeat('C', df.shape[1])]
>>> df
   A  B
   C  C
a  0  0
b  1  1
c  2  2
d  3  3
e  4  4
>>> 

Answer 5

MultiIndex 的另一种方式（appanding 'E'）：

df.columns = pd.MultiIndex.from_tuples(map(lambda x: (x[0], 'E', x[1]), df.columns))

   A  B
   E  E
   C  D
a  0  0
b  1  1
c  2  2
d  3  3
e  4  4

Answer 6

我喜欢它显式的（使用MultiIndex）和链友好的（.set_axis）：

df.set_axis(pd.MultiIndex.from_product([df.columns, ['C']]), axis=1)

当合并具有不同列级别编号的 DataFrame 时，这特别方便，其中 Pandas (1.4.2) 会引发 FutureWarning ( FutureWarning: merging between different levels is deprecated and will be removed ... )：

import pandas as pd

df1 = pd.DataFrame(index=list('abcde'), data={'A': range(5), 'B': range(5)})
df2 = pd.DataFrame(index=list('abcde'), data=range(10, 15), columns=pd.MultiIndex.from_tuples([("C", "x")]))

# df1:
   A  B
a  0  0
b  1  1

# df2:
    C
    x
a  10
b  11

# merge while giving df1 another column level:
pd.merge(df1.set_axis(pd.MultiIndex.from_product([df1.columns, ['']]), axis=1),
         df2, 
         left_index=True, right_index=True)

# result:
   A  B   C
          x
a  0  0  10
b  1  1  11