Python 如何向Datetime多索引熊猫数据帧添加行

我将如何向此数据帧的顶部添加一行。这 是下载的数据。我不能在公式中使用特定的行索引 因为第一个日期时间标记一直在更改。我也不能使用 内部索引的特定标签，因为它可能是Datetime。有没有 如何概括这一点

我试过这个

但是，它只在数据帧的末尾添加一行。分类

没有帮助，因为我想我在这里处理的是两个级别的索引； 这就解释了为什么这一行会粘在框架的底部

最终结果应如下所示：

X

是要添加的列表/数组中的元素

                        A      B      C        D     E
        NEWROW          X1     X2    X3       X4    X5

2006-04-28 00:00:00                                    
             A        69.62  69.62  6.518   65.09  69.62
             B
             C
2006-05-01 00:00:00  
            A         71.5   71.5  6.522   65.16   71.5
            B
            C
2006-05-02 00:00:00   
            A        72.34  72.34  6.669   66.55  72.34
            B
            C

对我来说，不使用

多索引

：

因此，您可以使用little

hack

——首先使用第二级

Stats

，然后使用参数

append=True

：

df1 = df1.sort_index()

df1.loc[((df1.index.min()[0]) -  dt.timedelta(minutes=5), 'SUM'),:] = 
df1.loc[(slice(None), slice('price')),:].sum()

df1 = df1.reset_index('Stats')
df1 = df1.sort_index(axis=0).set_index('Stats', append=True)
print (df1)
                                 A       B       C       D       E
Date                Stats                                         
2006-04-27 23:55:00 SUM     213.46  213.46  19.709  196.80  213.46
2006-04-28 00:00:00 price    69.62   69.62   6.518   65.09   69.62
                    std        NaN     NaN     NaN     NaN     NaN
                    weight     NaN     NaN     NaN     NaN     NaN
2006-05-01 00:00:00 price    71.50   71.50   6.522   65.16   71.50
                    std        NaN     NaN     NaN     NaN     NaN
                    weight     NaN     NaN     NaN     NaN     NaN
2006-05-02 00:00:00 price    72.34   72.34   6.669   66.55   72.34
                    std        NaN     NaN     NaN     NaN     NaN
                    weight     NaN     NaN     NaN     NaN     NaN

---

嘿，耶斯雷尔：），谢谢！但是，我得到了这样的结果：keyrerror:“多索引切片要求索引是完全lexsorted tuple len（2），lexsort depth（1）”请先尝试

sort\u index（）

，我将其添加到解决方案中。您又这样做了！：）嗨，耶兹雷尔，我发了最后一个问题……你觉得你可以试一下吗？：）

                        A      B      C        D     E

2006-04-28 00:00:00                                    
             A        69.62  69.62  6.518   65.09  69.62
             B
             C
2006-05-01 00:00:00  
            A         71.5   71.5  6.522   65.16   71.5
            B
            C
2006-05-02 00:00:00   
            A        72.34  72.34  6.669   66.55  72.34
            B
            C

                        A      B      C        D     E
        NEWROW          X1     X2    X3       X4    X5

2006-04-28 00:00:00                                    
             A        69.62  69.62  6.518   65.09  69.62
             B
             C
2006-05-01 00:00:00  
            A         71.5   71.5  6.522   65.16   71.5
            B
            C
2006-05-02 00:00:00   
            A        72.34  72.34  6.669   66.55  72.34
            B
            C

df1 = df1.sort_index()

df1.loc[((df1.index.min()[0]) -  dt.timedelta(minutes=5), 'SUM'),:] = 
df1.loc[(slice(None), slice('price')),:].sum()

df1 = df1.reset_index('Stats')
df1 = df1.sort_index(axis=0).set_index('Stats', append=True)
print (df1)
                                 A       B       C       D       E
Date                Stats                                         
2006-04-27 23:55:00 SUM     213.46  213.46  19.709  196.80  213.46
2006-04-28 00:00:00 price    69.62   69.62   6.518   65.09   69.62
                    std        NaN     NaN     NaN     NaN     NaN
                    weight     NaN     NaN     NaN     NaN     NaN
2006-05-01 00:00:00 price    71.50   71.50   6.522   65.16   71.50
                    std        NaN     NaN     NaN     NaN     NaN
                    weight     NaN     NaN     NaN     NaN     NaN
2006-05-02 00:00:00 price    72.34   72.34   6.669   66.55   72.34
                    std        NaN     NaN     NaN     NaN     NaN
                    weight     NaN     NaN     NaN     NaN     NaN