我有这个一级数据帧：
d = {'A': np.random.randint(0, 10, 5)
, 'B': np.random.randint(0, 10, 5)
, 'C': np.random.randint(0, 10, 5)
, 'D': np.random.randint(0, 10, 5)}
x = pd.DataFrame(d)
print(x)
A B C D
0 8 7 6 0
1 6 5 4 9
2 4 0 5 7
3 1 9 7 9
4 6 9 9 8
而这个多层次：
from functools import reduce
v = ['u','v','z']
l = ['300','350','400','450','500'] * len(v)
d = ['1','2','3','4'] * len(l)
size = len(v) * len(l) * len(d)
der_v = reduce(lambda x,y: x+y, [[i] * 20 for i in v])
der_l = reduce(lambda x,y: x+y, [[i] * 4 for i in l])
der_d = reduce(lambda x,y: x+y, [[i] for i in d])
arrays =[der_v,der_l,der_d]
y = pd.DataFrame(np.random.randint(0, 1, (5,60)),index=range(0,5), columns=arrays)
print(y)
u ... z
300 350 400 ... 400 450 500
1 2 3 4 1 2 3 4 1 2 ... 3 4 1 2 3 4 1 2 3 4
0 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
3 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
4 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
[5 rows x 60 columns]
我正在尝试连接：
z = pd.concat([x, y], axis=1)
所以，我是这样的：
A B C D (u, 300, 1) (u, 300, 2) (u, 300, 3) (u, 300, 4)
0 8 7 6 0 0 0 0 0 ...
1 6 5 4 9 0 0 0 0 ...
2 4 0 5 7 0 0 0 0 ...
3 1 9 7 9 0 0 0 0 ...
4 6 9 9 8 0 0 0 0 ...
但是我得到了列作为元组，例如：(u，300,1(。 这很奇怪！是否可以同时在轴 1 中具有一级和多级？
预期产出：
u ... z
A B C D 300 350 400 ... 400 450 500
1 2 3 4 1 2 3 4 1 2 ... 3 4 1 2 3 4 1 2 3 4
0 8 7 6 0 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
1 6 5 4 9 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
2 4 0 5 7 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
3 1 9 7 9 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
4 6 9 9 8 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0 0
我真的不知道是否有可能有一个级别和多个级别的列。所以，我希望可以切片。例如：y.loc[：，('u'，'500'(] 工作正常。但是连接后不再起作用了。
我不连接就解决，因为不可能在轴 1 中具有不同的水平。我决定将数据帧 x 中的数据用作数据帧 y 中的索引。
因此，请按照以下步骤操作：
1.创建数据帧 x：
d = {'A': np.random.randint(0, 10, 5)
, 'B': np.random.randint(0, 10, 5)
, 'C': np.random.randint(0, 10, 5)
, 'D': np.random.randint(0, 10, 5)}
x = pd.DataFrame(d)
A B C D
0 7 1 6 8
1 4 0 5 6
2 7 5 0 7
3 8 4 3 8
4 9 1 4 0
2.基于数据帧 x 创建索引：
index = [x[col] for col in x.columns]
3.为数据帧 y 创建碎片：
from functools import reduce
v = ['u','v','z']
l = ['300','350','400','450','500'] * len(v)
d = ['1','2','3','4'] * len(l)
size = len(v) * len(l) * len(d)
der_v = reduce(lambda x,y: x+y, [[i] * 20 for i in v])
der_l = reduce(lambda x,y: x+y, [[i] * 4 for i in l])
der_d = reduce(lambda x,y: x+y, [[i] for i in d])
arrays =[der_v,der_l,der_d]
4.现在，要创建数据帧 y，我们使用 x 中的索引作为参数：
y = pd.DataFrame(np.random.randint(0, 1, (5,60)), columns=arrays, index=index)
y.columns = y.columns.rename(['variables', 'level','days'], level=[0,1,2])
y.index.names = ['A','B','C','D']
print(y)
variables u ... z
level 300 350 400 ... 400 450 500
days 1 2 3 4 1 2 3 4 1 2 ... 3 4 1 2 3 4 1 2 3
A B C D ...
7 1 6 8 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0
4 0 5 6 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0
7 5 0 7 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0
8 4 3 8 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0
9 1 4 0 0 0 0 0 0 0 0 0 0 0 ... 0 0 0 0 0 0 0 0 0
variables
level
days 4
A B C D
7 1 6 8 0
4 0 5 6 0
7 5 0 7 0
8 4 3 8 0
9 1 4 0 0
[5 rows x 60 columns]