熊猫。复制多索引级别

Question

我有一个带有多索引列的 DataFrame：

df = pd.DataFrame(np.arange(12).reshape(3,-1))
df.columns = [['A', 'A', 'B', 'B'], [0, 1, 0, 1]]
print(df)

看起来像这样：

   A      B    
   0  1   0   1
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

我想做一些类似df['C'] = df['B']的事情：

    A       B       C    
    0   1   0   1   0   1
0   0   1   2   3   2   3
1   6   7   8   9   8   9
2  12  13  14  15  14  15

我得到了ValueError: Wrong number of items passed 2, placement implies 1。

我也试过df.loc[:, slice('C', None)] = df['B']没有运气。

实际上我的情况有点复杂：我在多索引 ( L0 I) 中还有一个级别，我想复制df['L0 I', 'B']到df['L0 II', 'B'](L0 II不存在)。

Answer 1

您可以提取列并MultiIndex在列中创建：

df1 = df['B']
df1.columns = [['C'] * len(df1.columns), df1.columns]
print (df1)
    C    
    0   1
0   2   3
1   6   7
2  10  11

或按切片和rename第一级选择：

df1 = df.loc[:, slice('B', None)].rename(columns={'B':'C'}, level=0)
print (df1)
    C    
    0   1
0   2   3
1   6   7
2  10  11

然后join或concat一起：

df = df.join(df1)
#alternative
#df = pd.concat([df,df1], axis=1)
print (df)
   A      B       C    
   0  1   0   1   0   1
0  0  1   2   3   2   3
1  4  5   6   7   6   7
2  8  9  10  11  10  11

另一个在这里工作的解决方案是使用DataFrame.stack、复制列DataFrame.assign并通过DataFrame.unstack以下方式重塑：

df1 = df.stack().assign(C = lambda x: x['B']).unstack()
print (df1)
   A      B       C    
   0  1   0   1   0   1
0  0  1   2   3   2   3
1  4  5   6   7   6   7
2  8  9  10  11  10  11