Ich versuche, mehrere Pandas DataFrames zu verketten, von denen einige Multi-Indizierung verwenden und andere einzelne Indizes verwenden. Als Beispiel nehmen wir die folgenden einzelnen indexierten Datenrahmen betrachten:So kombinieren Sie Einzel- und Multiindex Pandas DataFrames
> import pandas as pd
> df1 = pd.DataFrame({'single': [10,11,12]})
> df1
single
0 10
1 11
2 12
Zusammen mit einem Multiindex Datenrahmen:
> level_dict = {}
> level_dict[('level 1','a','h')] = [1,2,3]
> level_dict[('level 1','b','j')] = [5,6,7]
> level_dict[('level 2','c','k')] = [10, 11, 12]
> level_dict[('level 2','d','l')] = [20, 21, 22]
> df2 = pd.DataFrame(level_dict)
> df2
level 1 level 2
a b c d
h j k l
0 1 5 10 20
1 2 6 11 21
2 3 7 12 22
Jetzt habe ich die beiden Datenrahmen verketten möchten. Wenn ich versuche, concat
zu verwenden flacht den Multiindex wie folgt:
> df3 = pd.concat([df2,df1], axis=1)
> df3
(level 1, a, h) (level 1, b, j) (level 2, c, k) (level 2, d, l) single
0 1 5 10 20 10
1 2 6 11 21 11
2 3 7 12 22 12
Wenn ich stattdessen eine einzelne Spalte zum Multiindex Datenrahmen anhängen df2
wie folgt:
> df2['single'] = [10,11,12]
> df2
level 1 level 2 single
a b c d
h j k l
0 1 5 10 20 10
1 2 6 11 21 11
2 3 7 12 22 12
Wie kann ich diese Datenrahmen stattdessen erzeugen aus df1
und df2
mit concat
, merge
oder join
?
Vielen Dank @chrisb! Ich hatte auf einen einfacheren, verallgemeinerbaren Ansatz gehofft, aber ich konnte hier einen Workaround mit Ihrer Lösung formulieren, der meinen Anforderungen entspricht – wbinventor