Python 按索引级别为多索引数据帧赋值

我有一个Pandas多索引数据框，我需要为序列中的一列赋值。该系列与数据帧的第一级索引共享其索引

import pandas as pd
import numpy as np
idx0 = np.array(['bar', 'bar', 'bar', 'baz', 'foo', 'foo'])
idx1 = np.array(['one', 'two', 'three', 'one', 'one', 'two'])
df = pd.DataFrame(index = [idx0, idx1], columns = ['A', 'B'])
s = pd.Series([True, False, True],index = np.unique(idx0))
print df
print s

输出：

这些不起作用：

df.A = s # does not raise an error, but does nothing
df.loc[s.index,'A'] = s # raises an error

预期产出：

             A     B
bar one    True   NaN
    two    True   NaN
    three  True   NaN
baz one    False  NaN
foo one    True   NaN
    two    True   NaN

Series（和Dictionary）可以像map和apply函数一样使用（感谢@normanius改进了语法）：

或类似地：

df['A'] = df.reset_index(level=0)['level_0'].map(s).values

结果:

A    B
bar one     True  NaN
    two     True  NaN
    three   True  NaN
baz one    False  NaN
foo one     True  NaN
    two     True  NaN

---

我想知道这是否是一个错误，如果传递的值具有可以对齐的索引值，那么它就不起作用了，无论如何+1我无法确定应该使用

.loc

来指定值的语法，希望更好的熊猫人会回答这个问题。对我来说，这应该行得通，所以一定有一种方法可以做到这一点，而不必求助于

map

哦，我还以为你指的是别的东西呢。我认为map是一种很好的方法。也可以通过合并来实现，但我怀疑这会稍微慢一点（但可能更清晰）。@JohnE：我建议编写

df['a']=pd.Series（df.index.get_level_values（0））.map（s）。values

，这比您的示例更健壮、更清晰。@normanius谢谢！我甚至不记得回答过这个问题，但我完全同意你的评论，并编辑了你的建议。

df['A'] = df.reset_index(level=0)['level_0'].map(s).values

A    B
bar one     True  NaN
    two     True  NaN
    three   True  NaN
baz one    False  NaN
foo one     True  NaN
    two     True  NaN