Python 在第二级索引上高效地组合数据帧

我有两个数据帧看起来像

将熊猫作为pd导入
df1=局部数据帧（[2.1,4.2,6.3,8.4,10.5]，索引=[2,4,6,8,10]）
df1.index.name='t'
df2=pd.DataFrame（index=pd.MultiIndex.from_元组（[（'A'，'A'，1），（'A'，'A'，4），
（'A'，'b'，5），（'A'，'b'，6），（'b'，'c'，7），
（'B'，'c'，9），（'B'，'d'，10），（'B'，'d'，11），
]，name=（'big'，'small'，'t'））

我正在寻找一种有效的方法来组合它们，以便

                 0
big small t       
A   a     1    NaN
          2    2.1
          4    4.2
    b     5    NaN
          6    6.3
B   c     7    NaN
          8    8.4
          9    NaN
    d     10  10.5
          11   NaN

也就是说，我想把

df2

的

0

和

1

索引级别作为

df1

中的

0

和

1

索引级别

当然，数据帧上的循环也可以工作，但对于大型数据帧来说并不可行

编辑：

---

从下面的评论看来，我应该添加，索引

big

和

small

应该根据

t

的顺序推断

df1

中的

t

尝试提取级别值并

reindex

：

df2['0'] = df1.reindex(df2.index.get_level_values('t'))[0].values

输出：

                 0
big small t       
A   a     1    NaN
          4    4.2
    b     5    NaN
          6    6.3
B   c     7    NaN
          9    NaN
    d     10  10.5
          11   NaN

对于

df1

中的更多列，我们可以只

merge

：

(df2.reset_index()
    .merge(df1, on='t', how='left')
    .set_index(df2.index.names)
)

---

尝试提取级别值并重新索引

：

df2['0'] = df1.reindex(df2.index.get_level_values('t'))[0].values

输出：

                 0
big small t       
A   a     1    NaN
          4    4.2
    b     5    NaN
          6    6.3
B   c     7    NaN
          9    NaN
    d     10  10.5
          11   NaN

对于
df1
中的更多列，我们可以只
merge
：

(df2.reset_index()
    .merge(df1, on='t', how='left')
    .set_index(df2.index.names)
)

假设您希望根据
't'
的顺序推断未知索引级别，我们可以使用其他合并，对值进行排序，然后使用
ffill
逻辑重新创建多索引（需要一系列）


假设您希望根据
't'
的顺序推断未知索引级别，我们可以使用其他合并，对值进行排序，然后使用
ffill
逻辑重新创建多索引（需要一系列）


谢谢你的及时回复！不幸的是，这并不完全是我想要的，因为它从
df1
中删除了在
df2
中没有索引的行。你怎么知道
8
在
（B，c）
下，而不是在
（A，A）
下？或者
2
位于
（A，A）
下，但不是
（B，d）
？因为
t
索引列的顺序。感谢您的立即回复！不幸的是，这并不完全是我想要的，因为它从
df1
中删除了在
df2
中没有索引的行。你怎么知道
8
在
（B，c）
下，而不是在
（A，A）
下？或者
2
位于
（A，A）
下，但不是
（B，d）
？因为
t
索引列的顺序。