BUG/ENH: multi-index assignment

[jreback]

http://stackoverflow.com/questions/17451843/copying-a-single-index-dataframe-into-a-multiindex-dataframe/17452237#17452237

IIn [3]: import itertools

In [4]: inner = ('a','b')

In [5]: outer = ((10,20), (1,2))

In [6]: cols = ('one','two','three','four')

In [7]: sngl = pd.DataFrame(np.random.randn(2,4), index=inner, columns=cols)

IIn [8]: index_tups = list(itertools.product(*(outer + (inner,))))

In [9]: index_mult = pd.MultiIndex.from_tuples(index_tups)

In [10]: mult = pd.DataFrame(index=index_mult, columns=cols)

and the solution

    In [48]: nm = mult.reset_index().set_index('level_2')

    In [49]: nm
    Out[49]: 
             level_0  level_1  one  two three four
    level_2                                       
    a             10        1  NaN  NaN   NaN  NaN
    b             10        1  NaN  NaN   NaN  NaN
    a             10        2  NaN  NaN   NaN  NaN
    b             10        2  NaN  NaN   NaN  NaN
    a             20        1  NaN  NaN   NaN  NaN
    b             20        1  NaN  NaN   NaN  NaN
    a             20        2  NaN  NaN   NaN  NaN
    b             20        2  NaN  NaN   NaN  NaN

A bug here????
This should probably work with a series on the rhs; this might be a buglet

    In [50]: nm.loc['a',sngl.columns] = sngl.loc['a'].values

    In [51]: nm
    Out[51]: 
             level_0  level_1        one        two     three        four
    level_2                                                              
    a             10        1  0.3738456 -0.2261926 -1.205177  0.08448757
    b             10        1        NaN        NaN       NaN         NaN
    a             10        2  0.3738456 -0.2261926 -1.205177  0.08448757
    b             10        2        NaN        NaN       NaN         NaN
    a             20        1  0.3738456 -0.2261926 -1.205177  0.08448757
    b             20        1        NaN        NaN       NaN         NaN
    a             20        2  0.3738456 -0.2261926 -1.205177  0.08448757
    b             20        2        NaN        NaN       NaN         NaN

    In [52]: nm.reset_index().set_index(['level_0','level_1','level_2'])
    Out[52]: 
                                   one        two     three        four
    level_0 level_1 level_2                                            
    10      1       a        0.3738456 -0.2261926 -1.205177  0.08448757
                    b              NaN        NaN       NaN         NaN
            2       a        0.3738456 -0.2261926 -1.205177  0.08448757
                    b              NaN        NaN       NaN         NaN
    20      1       a        0.3738456 -0.2261926 -1.205177  0.08448757
                    b              NaN        NaN       NaN         NaN
            2       a        0.3738456 -0.2261926 -1.205177  0.08448757
                    b              NaN        NaN       NaN         NaN