Python 如何创建具有多级列的数据帧？

现有的一个问题涉及一个非常“常规”的数据框架，其中所有列和行都是产品，所有数据都存在

唉，我的情况不同了。我有这样的数据：

<代码>[{street”：“Euclid”，“house”：42，“area”：123，（1，“卧室”）：1，（1，“浴室”）：4}， {“街道”：“欧几里德”，“房子”：19，“面积”：234，（2，“卧室”）：3，（2，“浴室”）：3}， {“街道”：“黎曼”，“房子”：42，“面积”：345，（1，“卧室”）：5， （1，“浴室”）：2，（2，“卧室”）：12，（2，“浴室”）：17}， {“街”：“里曼”，“房子”：19，“面积”：456，（1，“卧室”）：7，（1，“浴室”）：1}] 我想要这种

DataFrame

，行和列都有多级索引：

              area          1                  2
street house        bedrooms bathrooms bedrooms bathrooms
Euclid  42    123     1         4
Euclid  19    234                         3         3
Riemann 42    345     5         2        12        17
Riemann 19    456     7         1

因此，行索引应该是

MultiIndex（[（“欧几里德”，42），（“欧几里德，19），（“黎曼，42），（“黎曼，19）]，
名称=[“街道”、“房屋”]）

列索引应该是

MultiIndex（[（“面积”，无），（1，“卧室”），（1，“浴室”），（2，“卧室”），（2，“浴室”）]，
名称=[“楼层”、“实体”]）

---

我认为没有办法从我拥有的字典列表中生成这些索引。

我觉得应该有比这更好的东西；希望有人能做得更好：

创建一个函数来处理字典中的每个条目：

def process(entry):
    #read in data and get the keys to be the column names
    m = pd.DataFrame.from_dict(entry,orient='index').T
    #set index
    m = m.set_index(['street','house'])
    #create multi-index columns
    col1 = [ent[0] if isinstance(ent,tuple) else ent for ent in m.columns ]
    col2 = [ent[-1] if isinstance(ent,tuple) else None for ent in m.columns ]
    #assign multi-index column to m
    m.columns=[col1,col2]
    return m

将上述函数应用于数据（我将字典包装到数据变量中）：

连接以获得最终输出

pd.concat(res)

                area               1                  2
                NaN    bedrooms bathrooms   bedrooms    bathrooms
street  house                   
Euclid    42    123     1        4           NaN         NaN
          19    234     NaN      NaN         3           3
Riemann   42    345     5        2           12          17
          19    456     7        1           NaN         NaN

pd.concat(res)

                area               1                  2
                NaN    bedrooms bathrooms   bedrooms    bathrooms
street  house                   
Euclid    42    123     1        4           NaN         NaN
          19    234     NaN      NaN         3           3
Riemann   42    345     5        2           12          17
          19    456     7        1           NaN         NaN