將 Excel 文件與 Pandas 中的多索引列組合

Question

我正在處理一些原始數據並創建了 3 個單獨的數據框，我將它們導出到 excel。 這些數據幀之一是帶有行的常規列，另外兩個是帶有行的多索引列。 我想將所有三列組合成一個數據框（並排列）。 我試過在 axis=1 （列）上連接，返回的數據框丟失了一些列名（由於不同大小的索引）。 我不能使用合並，因為它們是三個沒有共享列的獨立數據框。

Below are samples of what these 3 dataframes look like separately. 

df1 = | A        | B        |
      |----------|----------|
      | 10       | 11       |
      | 20       | 21       |


df2=  |          X          |
      |---------------------| 
      | C        | D        |
      |----------|----------|
      | 5        | 6        |
      | 30       | 9        |


df3 = |          Y          |
      |---------------------| 
      | J        | K        |
      |--------- |--------- |
      |Q         | R        |
      |----------|----------|
      | 10       | 11       |
      | 20       | 21       |


I would like to be able to have the above side by side and export it in a single dataframe. Any advice?

As mentioned earlier - I tried pd.concatenate and it deleted some of the column names from the multiindex dataframes and merge is not possible due to not having a shared column. 

Answer 1

選項 1：前置 MultiIndex 級別

您可以將空的 MultiIndex 級別添加到df1和df2 ，以便級別在所有數據幀中匹配。

# Prepare session
import pandas as pd

# Recreate data
df1 = pd.DataFrame({'A':[10, 20], 'B':[11, 21]})
df2 = pd.DataFrame({'C': [5, 30], 'D': [6, 9]})
df2.columns = pd.MultiIndex.from_arrays([('X', 'X'), ('C', 'D')])
df3 = pd.DataFrame({'Q': [10, 20], 'R': [11, 21]})
df3.columns = pd.MultiIndex.from_arrays([('Y', 'Y'), ('J', 'K'), ('Q', 'R')])

# Adding empty multi-indices to match df3
df1 = pd.concat([df1], keys=[('', '')], axis=1)
df2 = pd.concat([df2], keys=[('')], axis=1)

# Combine data frames
df = pd.concat([df1, df2, df3], axis=1)

選項 2：降低 MultiIndex 級別

您可以刪除除最后一個 MultiIndex 級別以外的所有級別。

# Drop Multiindex Levels
df2.columns = df2.columns.get_level_values(-1)
df3.columns = df3.columns.get_level_values(-1)

# Combine data frame
df = pd.concat([df1, df2, df3], axis=1)