本文介绍一种高效、向量化的方式，为具有两级列索引的 Pandas DataFrame 批量添加指定子列（例如基于 'B' 列计算 .diff()），避免显式循环，保持列结构清晰有序。
本文介绍一种高效、向量化的方式，为具有两级列索引的 pandas dataframe 批量添加指定子列（例如基于 'b' 列计算 `.diff()`），避免显式循环，保持列结构清晰有序。
在处理多级列索引（MultiIndex columns）的 DataFrame 时，常需对某一层级下的特定子列（如所有顶层分组中的 'B' 列）统一执行变换操作，并将结果作为新子列（如 'Diff'）插入到对应顶层列下。关键在于：既要精准定位目标子列，又要保证新增列与原有层级结构严格对齐，且最终列顺序逻辑一致。
以下是一个完整、可复现的解决方案：
import pandas as pd
# 构建原始多级列 DataFrame
data = {
('First', 'A'): [50, 20, 35],
('First', 'B'): [60, 5, 45],
('Second', 'A'): [70, 10, 60],
('Second', 'B'): [100, 30, 50]
}
df = pd.DataFrame(data)
# ✅ 核心步骤：批量添加 'Diff' 子列（基于每个顶层列下的 'B' 列差分）
# 1. 提取所有顶层列名（即 level=0 的唯一值）：['First', 'Second']
top_levels = df.columns.unique(0)
# 2. 构造新列元组列表：[('First', 'Diff'), ('Second', 'Diff')]
new_cols = [(level, 'Diff') for level in top_levels]
# 3. 定位并计算各顶层列下 'B' 列的差分（使用 slice(None) 匹配任意 level=0，固定 level=1='B'）
# 注意：.diff() 默认按行计算（axis=0），结果自动对齐索引
diff_values = df.loc[:, (slice(None), 'B')].diff()
# 4. 直接赋值——Pandas 自动按列名元组匹配，完成批量插入
df[new_cols] = diff_values
# 5. 按字典序重排序列，使每个顶层列下的子列（A, B, Diff）自然聚组
df = df.sort_index(axis=1)
print(df)输出结果：
First Second
A B Diff A B Diff
1 50 60 NaN 70 100 NaN
2 20 5 -55.0 10 30 -70.0
3 35 45 40.0 60 50 20.0? 关键原理说明：
- df.columns.unique(0) 获取第一级列名，确保跨所有顶层分组一致扩展；
- (slice(None), 'B') 是 Pandas 的高级索引语法，等价于“所有顶层列中名为 'B' 的子列”，返回一个同结构的子 DataFrame；
- 赋值语句 df[new_cols] = ... 利用了 Pandas 对 MultiIndex 列的自动对齐能力，无需逐层遍历；
- sort_index(axis=1) 按元组字典序排序，使 ('First','A'), ('First','B'), ('First','Diff') 等相邻排列，大幅提升可读性。
⚠️ 注意事项：
- 若原始数据中某顶层列下不存在 'B' 子列，df.loc[:, (slice(None), 'B')] 将抛出 KeyError，建议提前校验：all(('B' in df[c].columns for c in top_levels))；
- .diff() 默认产生浮点型结果（含 NaN），若需保留整数类型且能接受 pd.NA，可链式调用 .astype("Int64")（注意首行为 NaN 会转为
）； - 此方法完全向量化，时间复杂度为 O(n)，远优于 for 循环 + pd.concat 等拼接方案。
通过该模式，您还可轻松扩展至其他运算（如 .pct_change()、.rolling(2).mean() 等），只需替换 diff() 即可，实现灵活、健壮、可维护的多级列工程化处理。
