Python 连接数据帧并创建多索引

假设我有两个相同形状的数据帧。在每个数据框的第一列中，我有一个产品id（变型项目的父项），在以下列中，我有一些数据（预处理的产品特征/编号），这在两个数据框中是不同的，在最后一列中，我有变型项目pro product的总量（子项到父项产品id）

第一个数据帧：

dfaa = pd.DataFrame([['id1', 1, 2, 3, 3], ['id2',4, 5, 6,6 ], ['id3', 7, 8, 9,9]], columns=['prod_id','a', 'b','c','number of prod variants'])

dfbb = pd.DataFrame([['id1', 1.1, 2.2, 3.3, 3], ['id2',4.4, 5.4, 6.6,6 ], ['id3', 7.7, 8.8, 9.9,9]], columns=['prod_id','a', 'b','c','number of prod variants'])

第二个数据帧：

dfaa = pd.DataFrame([['id1', 1, 2, 3, 3], ['id2',4, 5, 6,6 ], ['id3', 7, 8, 9,9]], columns=['prod_id','a', 'b','c','number of prod variants'])

dfbb = pd.DataFrame([['id1', 1.1, 2.2, 3.3, 3], ['id2',4.4, 5.4, 6.6,6 ], ['id3', 7.7, 8.8, 9.9,9]], columns=['prod_id','a', 'b','c','number of prod variants'])

我需要做的是将这些数据帧连接起来，形成一个具有多索引的数据帧，如下所示：

第一个选项是为每个特性提供一个额外的索引级别，该级别由两个原始数据帧的两个值的较低级别的两列组成。我可以想到的第二种选择是，沿着列连接功能，然后添加一个额外的索引级别，该级别描述数字（非NaN值和唯一值）

对于第一个选项，可能需要修改较低索引级别的列的名称（例如，我可以使用a_vals和a_unique来代替a和a），这不会有问题

---

非常努力地掌握python中的数据，我非常感谢您的帮助。

看看您的一个目标结构，它可以通过

stack（）

和

unstack（）

输出

---

这不是合并的工作方式。请检查并感谢提示，我刚刚编辑了代码。但是对于剩下的部分，我很抱歉：我没有提到任何地方合并^^^我需要做的是加入这些数据帧

join

和

merge

本质上是一样的。