fusionner deux cadres de données et ajouter un niveau de colonne avec des noms

Salut, j'ai fouillé dans les méthodes de concaténation, de jointure et de fusion pour les pandas et je n'arrive pas à trouver ce que je veux.

Supposons que j'ai deux trames de données

A = pd.DataFrame("A",index=[0,1,2,3,4],columns=['Col 1','Col 2','Col 3'])
B = pd.DataFrame("B",index=[0,1,2,3,4],columns=['Col 1','Col 2','Col 3'])
>>> A
  Col 1 Col 2 Col 3
0     A     A     A
1     A     A     A
2     A     A     A
3     A     A     A
4     A     A     A
>>> B
  Col 1 Col 2 Col 3
0     B     B     B
1     B     B     B
2     B     B     B
3     B     B     B
4     B     B     B

Maintenant, je veux faire un nouveau dataframe avec les colonnes fusionnées, je pense que c'est plus facile à expliquer si je fais un multi index pour la façon dont je veux les colonnes

index = pd.MultiIndex.from_product([A.columns.values,['A','B']])
>>> index
MultiIndex(levels=[['Col 1', 'Col 2', 'Col 3'], ['A', 'B']],
           labels=[[0, 0, 1, 1, 2, 2], [0, 1, 0, 1, 0, 1]])

Maintenant, si je fais un dataframe vide avec ce multi index pour les colonnes

empty_df = pd.DataFrame('-',index=A.index,columns=index)
>>> empty_df
  Col 1    Col 2    Col 3
      A  B     A  B     A  B
0     -  -     -  -     -  -
1     -  -     -  -     -  -
2     -  -     -  -     -  -
3     -  -     -  -     -  -
4     -  -     -  -     -  -

Ma question est la suivante: quelle fusion, concaténation ou adhésion dois-je utiliser pour l'obtenir? J'ai essayé plusieurs choses pour la concaténation ... intérieure, extérieure, etc. Je n'arrive pas à trouver ce que je veux. La seule chose à laquelle je peux penser est de créer la trame de données vide puis de la remplir à nouveau.

Edit: Après avoir essayé la réponse de Jezrael, elle est proche mais pas exactement. Ce que je veux, c'est comme des colonnes imbriquées? Par exemple

empty_df['Col 1']
>>> empty_df['Col 1']
   A  B
0  -  -
1  -  -
2  -  -
3  -  -
4  -  -

Ou

>>> empty_df['Col 1']['A']
0    -
1    -
2    -
3    -
4    -
Name: A, dtype: object

C'est donc une solution que j'ai trouvée, mais son itération sur les colonnes.

row_idx = A.index.union(B.index)
col_idx = pd.MultiIndex.from_product([A.columns.values,['A','B']])
new_df = pd.DataFrame('-',index=row_idx,columns=col_idx)
for column in A.columns:
   new_df.loc[:,(column,'A')] = A[column]
   new_df.loc[:,(column,'B')] = B[column]
>>> new_df
  Col 1    Col 2    Col 3
      A  B     A  B     A  B
0     A  B     A  B     A  B
1     A  B     A  B     A  B
2     A  B     A  B     A  B
3     A  B     A  B     A  B
4     A  B     A  B     A  B
>>> new_df['Col 1']
   A  B
0  A  B
1  A  B
2  A  B
3  A  B
4  A  B
>>> new_df['Col 1']['A']
0    A
1    A
2    A
3    A
4    A
Name: A, dtype: object

Je pense que vous avez besoin concatavec le keysparamètre et axis=1, le dernier ordre de changement de niveaux par DataFrame.swaplevelet le tri par premier niveau par DataFrame.sort_index:

df1 = (pd.concat([A, B], axis=1, keys=('A','B'))
         .swaplevel(0,1, axis=1)
         .sort_index(axis=1, level=0))
print (df1)
  Col 1    Col 2    Col 3   
      A  B     A  B     A  B
0     A  B     A  B     A  B
1     A  B     A  B     A  B
2     A  B     A  B     A  B
3     A  B     A  B     A  B
4     A  B     A  B     A  B

Pour travailler avec MultiIndexest possible l'utilisation DataFrame.xs:

print (df1.xs('Col 1', axis=1, level=0))
   A  B
0  A  B
1  A  B
2  A  B
3  A  B
4  A  B

Si vous souhaitez sélectionner l' MultiIndex columnutilisation tuple:

print (df1[('Col 1', 'A')])
0    A
1    A
2    A
3    A
4    A
Name: (Col 1, A), dtype: object

Si vous souhaitez sélectionner par index et par colonne, utilisez loc:

print (df1.loc[4, ('Col 1', 'A')])
A