Python 如何简单地将列级别添加到 Pandas 数据框
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/40225683/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
How to simply add a column level to a pandas dataframe
提问by Steven G
let say I have a dataframe that looks like this:
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
Asumming that this dataframe already exist, how can I simply add a level 'C' to the column index so I get this:
假设这个数据框已经存在，我怎么能简单地向列索引添加一个级别“C”，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
I saw SO anwser like this python/pandas: how to combine two dataframes into one with hierarchical column index?but this concat different dataframe instead of adding a column level to an already existing dataframe.
我看到了这样的答案python/pandas：如何将两个数据帧与分层列索引合并为一个？但是这个连接不同的数据帧而不是向已经存在的数据帧添加列级别。
-
——
回答by Romain
As suggested by @StevenG himself, a better answer:
正如@StevenG 本人所建议的，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
回答by piRSquared
option 1set_indexand T
选项 1set_index和T
df.T.set_index(np.repeat('C', df.shape[1]), append=True).T
option 2pd.concat, keys, and swaplevel
选项 2 pd.concat, keys, 和swaplevel
pd.concat([df], axis=1, keys=['C']).swaplevel(0, 1, 1)
回答by Anton Abrosimov
Another way for MultiIndex (appanding 'E'):
MultiIndex (appanding 'E') 的另一种方式：
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
