Python 熊猫。复制多索引级别

我有一个具有多索引列的数据帧：

df = pd.DataFrame(np.arange(12).reshape(3,-1))
df.columns = [['A', 'A', 'B', 'B'], [0, 1, 0, 1]]
print(df)

看起来是这样的：

   A      B    
   0  1   0   1
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

我想做一些类似于

df['C']=df['B']

的事情来获得：

    A       B       C    
    0   1   0   1   0   1
0   0   1   2   3   2   3
1   6   7   8   9   8   9
2  12  13  14  15  14  15

我得到

值错误：传递的项目数错误2，位置意味着1

我还尝试了

df.loc[：，slice（'C'，None）]=df['B']

，但没有成功

---

实际上，我的情况有点复杂：我在多索引中还有一个级别（

l0i

），我想将

df['l0i'，B']

复制到

df['l0ii'，B']

（

l0ii

不存在）。

您可以在列中提取列并创建

multi-index

：

df1 = df['B']
df1.columns = [['C'] * len(df1.columns), df1.columns]
print (df1)
    C    
    0   1
0   2   3
1   6   7
2  10  11

或按切片选择并重命名第一级：

df1 = df.loc[:, slice('B', None)].rename(columns={'B':'C'}, level=0)
print (df1)
    C    
    0   1
0   2   3
1   6   7
2  10  11

然后或一起：

df = df.join(df1)
#alternative
#df = pd.concat([df,df1], axis=1)
print (df)
   A      B       C    
   0  1   0   1   0   1
0  0  1   2   3   2   3
1  4  5   6   7   6   7
2  8  9  10  11  10  11

这里的另一个解决方案是使用，使用复制列，并通过以下方式重新塑形：

---

您可以使用

df['B']

在保留

多索引的同时提取列

因此，使用此和
concat
的一个非常简单的解决方案是：

df = pd.concat([df, df[['B']].rename(columns={'B': 'C'})], axis=1)
print(df)
   A      B       C    
   0  1   0   1   0   1
0  0  1   2   3   2   3
1  4  5   6   7   6   7
2  8  9  10  11  10  11

不知怎么的，我没有想到康卡特。简单。谢谢）@avloss-添加了另一个解决方案，我希望对您有帮助。
df = pd.concat([df, df[['B']].rename(columns={'B': 'C'})], axis=1)
print(df)
   A      B       C    
   0  1   0   1   0   1
0  0  1   2   3   2   3
1  4  5   6   7   6   7
2  8  9  10  11  10  11