Python 从旧数据帧创建子列

我正在尝试创建一个包含子列的数据帧，其中子列是数据帧

数据：

将熊猫作为pd导入
从导入时间戳
df1={'Open'：{Timestamp（'2020-12-15 01:05:00'）：152.28，Timestamp（'2020-12-15 01:10:00'）：151.59，Timestamp（'2020-12-15 01:15:00'）：152.19，'High'：{Timestamp（'2020-12-15 01:05:00'）：152.28，Timestamp（'2020-12-15 01:10:00'）：152.39，Timestamp（'2020-12-15 01:15:15:15:00'）：152.38，'Low'，'Timestamp（'2020-12-12-15:01:05:00'）：150:00'）：150:00'）（'2020-12-15 01:10:00'）：151.34，Timestamp（'2020-12-15 01:15:00'）：150.67}，'Close'：{Timestamp（'2020-12-15 01:05:00'）：151.58，Timestamp（'2020-12-15 01:10:00'）：152.21，Timestamp（'2020-12-15 01:15:00'）：151.12}，'price'：{Timestamp（'2020-12-15 01:05:00'）：149.305，Timestamp（'2020-12-15:01:10:00'）：南，Timestamp（'2020-12-15:01:00'）：南），执行数量：{Timestamp（'2020-12-15 01:05:00'）：6.991142857142856，Timestamp（'2020-12-15 01:10:00'）：nan，Timestamp（'2020-12-15 01:15:00'）：nan}，'side'：{Timestamp（'2020-12-15 01:05:00'）：1.0，Timestamp（'2020-12-15 01:10:00'）：nan，Timestamp（'2020-12-15 01:15:00'）：nan}
df2={'Open'：{Timestamp（'2020-12-15 01:05:00'）：5.385，Timestamp（'2020-12-15 01:10:00'）：5.403，Timestamp（'2020-12-15 01:15:00'）：5.419，'High'：{Timestamp（'2020-12-15 01:05:00'）：5.4179999999999，Timestamp（'2020-12-15 01:10:00'）：5.4289999999999，Timestamp（'2020-12-15:15:15:15:00'）：5.42，'Low:01:00'））：5.38399999999995，时间戳（'2020-12-15 01:10:00'）：5.395，时间戳（'2020-12-15 01:15:00'）：5.351}，'Close'：{时间戳（'2020-12-15 01:05:00'）：5.40600000000001，时间戳（'2020-12-15 01:10:00'）：5.414，时间戳（'2020-12-15 01:15:15:00'）：5.37}，'price'：{时间戳（'2020-12-15 01:05:05:00'）：南，时间戳（'2020-12-15:00'）：南，南（'2020-12-15 01:15:00'）：nan}，'executedQuantity'：{Timestamp（'2020-12-15 01:05:00'）：nan，Timestamp（'2020-12-15 01:10:00'）：nan}，'side'：{Timestamp（'2020-12-15 01:05:00'）：nan，Timestamp（'2020-12-15 01:10:00'）：nan，Timestamp（'2020-12-15 01:10:00'）：nan
df3={'Open'：{Timestamp（'2020-12-15 01:05:00'）：12.455，Timestamp（'2020-12-15 01:10:00'）：12.429，Timestamp（'2020-12-15 01:15:00'）：12.442}，'High'：{Timestamp（'2020-12-15 01:05:00'）：12.458，Timestamp（'2020-12-12-15 01:10:10:00'）：12.456，Timestamp（'2020-12-12-15-15 01:15:15:15:15:15:15:15:00'）：12.443，'High'），'2020-12-12-12-12-12-12-15:999901:00'）：Timestamp（'999900'）：'（'2020-12-15 01:10:00'）：12.425，Timestamp（'2020-12-15 01:15:00'）：12.383，'Close'：{Timestamp（'2020-12-15 01:05:00'）：12.435，Timestamp（'2020-12-15 01:10:00'）：12.442，Timestamp（'2020-12-15 01:15:00'）：12.401，'price'：{Timestamp（'2020-12-15 01:05:00'）：nan，Timestamp（'2020-12-15:01:00'）：nan，executedQuantity:{Timestamp（'2020-12-15 01:05:00'）：nan，Timestamp（'2020-12-15 01:10:00'）：nan，Timestamp（'2020-12-15 01:15:00'）：nan}，'side'：{Timestamp（'2020-12-15 01:05:00'）：nan，Timestamp（'2020-12-15 01:10:00'）：nan，Timestamp（'2020-12-15 01:15:15:00'）：nan}
df1=局部数据帧（df1）
df2=局部数据帧（df2）
df3=局部数据帧（df3）

这样的输出是预期的，但是我希望它们共享时间戳索引，所以一行将包含一个索引下所有数据帧的所有数据

df3=pd.DataFrame（）
dfList=[df1、df2、df3]
对于dfList中的df：
cols=pd.多索引从_帧开始（df、['Open'、'High'、'Low'、'Close'、'price'、'executedQty'、'side'）
df=pd.DataFrame（df，columns=cols）
df3=df3.join（df）
打印（df3）
df1
开盘价高低收盘价执行数量\
2020-12-15 01:05:00  152.28  152.28  150.00  151.58  149.305     6.991143   
2020-12-15 01:10:00 151.59 152.39 151.34 152.21楠楠楠
2020-12-15 01:15:00 152.19 152.38 150.67 151.12楠楠楠
一边
2020-12-15 01:05:00   1.0  
2020-12-15 01:10:00南
2020-12-15 01:15:00南
df2
开盘价高低收盘价执行数量方
2020-12-15 01:05:00 5.385 5.418 5.384 5.406楠楠楠楠楠
2020-12-15 01:10:00 5.403 5.429 5.395 5.414楠楠楠楠楠
2020-12-15 01:15:00 5.419 5.420 5.351 5.370楠楠楠楠楠楠楠楠
df3
开盘价高低收盘价执行数量方
2020-12-15 01:05:00 12.45512.45812.42612.435楠楠楠楠楠
2020-12-15 01:10:00 12.429 12.456 12.425 12.442楠楠楠楠楠楠
2020-12-15 01:15:00 12.442 12.443 12.383 12.401楠楠楠楠楠楠楠楠

我还希望在循环中使用这个函数，在循环中创建其他数据帧。这是因为有很多超过3个数据帧，它们是通过请求中的数据创建的，否则我必须在concat之前命名每个数据帧，这对于我的用例来说太多了

像这样的

dfList=[df1,df2,df3]

dataFrame=pd.DataFrame

for d in dfList:
    df=requestFuncThatCreatesDf(d)
    dataFrame=dataFrame.concat([df],key=(d))

您可以使用带有可选

键的
参数沿
axis=1
对数据帧进行压缩，以使生成的帧共享相同的
时间戳
索引，并具有
多索引
列：

pd.concat([df1, df2, df3], axis=1, keys=('df1', 'df2', 'df3'))

编辑（如果要动态生成与
dfList
中的数据帧顺序对应的键）：

结果:

                        df1                                                      df2                                                 df3                                               
                       Open    High     Low   Close    price executedQty side   Open   High    Low  Close price executedQty side    Open    High     Low   Close price executedQty side
2020-12-15 01:05:00  152.28  152.28  150.00  151.58  149.305    6.991143  1.0  5.385  5.418  5.384  5.406   NaN         NaN  NaN  12.455  12.458  12.426  12.435   NaN         NaN  NaN
2020-12-15 01:10:00  151.59  152.39  151.34  152.21      NaN         NaN  NaN  5.403  5.429  5.395  5.414   NaN         NaN  NaN  12.429  12.456  12.425  12.442   NaN         NaN  NaN
2020-12-15 01:15:00  152.19  152.38  150.67  151.12      NaN         NaN  NaN  5.419  5.420  5.351  5.370   NaN         NaN  NaN  12.442  12.443  12.383  12.401   NaN         NaN  NaN

太棒了！你会如何在一个循环中做到这一点？我更新了我的问题，补充了一些关于this@normal_human检查编辑。是，它们是字符串名称，与
requestfunchatthacreatesdf（）的名称相同
使用。感谢您的帮助，它似乎工作得很好！@normal\u human Happy coding！@normal\u human Check
用于df.columns.levels[0]：打印（df[c]）
                        df1                                                      df2                                                 df3                                               
                       Open    High     Low   Close    price executedQty side   Open   High    Low  Close price executedQty side    Open    High     Low   Close price executedQty side
2020-12-15 01:05:00  152.28  152.28  150.00  151.58  149.305    6.991143  1.0  5.385  5.418  5.384  5.406   NaN         NaN  NaN  12.455  12.458  12.426  12.435   NaN         NaN  NaN
2020-12-15 01:10:00  151.59  152.39  151.34  152.21      NaN         NaN  NaN  5.403  5.429  5.395  5.414   NaN         NaN  NaN  12.429  12.456  12.425  12.442   NaN         NaN  NaN
2020-12-15 01:15:00  152.19  152.38  150.67  151.12      NaN         NaN  NaN  5.419  5.420  5.351  5.370   NaN         NaN  NaN  12.442  12.443  12.383  12.401   NaN         NaN  NaN