Python 折叠用于回归的多索引数据帧

我有一个包含解释变量

df

的多索引数据框和一个包含响应变量

df_Y

# Create DataFrame for explanatory variables
np.arrays = [['foo', 'foo', 'foo', 'bar', 'bar', 'bar'], 
             [1, 2, 3, 1, 2, 3]]
df = pd.DataFrame(np.random.randn(6,2),
                  index=pd.MultiIndex.from_tuples(zip(*np.arrays)),
                  columns=['X1', 'X2'])

我能够使用索引

foo

df_X = df.ix['foo']    # using only 'foo'
reg = linear_model.Ridge().fit(df_X, df_Y)
reg.coef_

问题：但是，由于

Y

变量对于

foo

和

bar

这两个级别都是相同的，因此如果我们还包括

bar

，则回归样本的数量可以增加一倍

重塑/折叠/取消堆叠多级数据框的最佳方法是什么，以便我们可以利用所有数据进行回归其他级别可能有较少的行

df_Y

---

很抱歉措辞混乱，我不确定正确的术语/措辞

可以删除第一个索引，然后连接将起作用：

df.index = df.index.drop_level()
df = df.join(df_Y)

df.index = df.index.drop_level()
df = df.join(df_Y)