合併具有分層列的兩個數據框

Question

我想合併兩個DataFrame，同時創建一個多層列命名方案，表示行來自哪個數據幀。例如：

In [98]: A=pd.DataFrame(np.arange(9.).reshape(3,3),columns=list('abc')) 
In [99]: A 
Out[99]: 
    a b c 
0 0 1 2 
1 3 4 5 
2 6 7 8 

In [100]: B=A.copy() 

如果我使用pd.merge()，然後我得到

In [104]: pd.merge(A,B,left_index=True,right_index=True) 
Out[104]: 
    a_x b_x c_x a_y b_y c_y 
0 0 1 2 0 1 2 
1 3 4 5 3 4 5 
2 6 7 8 6 7 8 

這是我期待這種說法，我想什麼（但我不知道怎麼弄！）是：

In [104]: <<one or more statements>> 
Out[104]: 
    A    B 
    a b c a b c 
0 0 1 2 0 1 2 
1 3 4 5 3 4 5 
2 6 7 8 6 7 8 

可以這樣做不改變原有pd.DataFrame電話？我正在讀取.csv文件中的數據框中的數據，這可能是我的問題。

Answer 1

第一種情況可以訂購任意在A，B之間（不是列，只是A或B的順序） 2nd應該保留順序

恕我直言，這是pandonic！

In [5]: concat(dict(A = A, B = B),axis=1) 
Out[5]: 
    A  B  
    a b c a b c 
0 0 1 2 0 1 2 
1 3 4 5 3 4 5 
2 6 7 8 6 7 8 

In [6]: concat([ A, B ], keys=['A','B'],axis=1) 
Out[6]: 
    A  B  
    a b c a b c 
0 0 1 2 0 1 2 
1 3 4 5 3 4 5 
2 6 7 8 6 7 8 

Answer 2

這裏有一種方法，它的確改變了A和B：

In [10]: from itertools import cycle 

In [11]: A.columns = pd.MultiIndex.from_tuples(zip(cycle('A'), A.columns)) 

In [12]: A 
Out[12]: 
    A 
    a b c 
0 0 1 2 
1 3 4 5 
2 6 7 8 

In [13]: B.columns = pd.MultiIndex.from_tuples(zip(cycle('B'), B.columns)) 

In [14]: A.join(B) 
Out[14]: 
    A  B 
    a b c a b c 
0 0 1 2 0 1 2 
1 3 4 5 3 4 5 
2 6 7 8 6 7 8 

實際上，我認爲這將是一個很好的選擇行爲，而不是後綴...