考虑以下输入 Dataframe ：

index      |        col_1            |           col_2             |
         1         |        1234             |           4567              |
         2         |        3456             |           9453              |

Dataframe 的每一列都是一个序列（时间序列），我们希望进行一些计算，以创建长度等于输入的序列（例如，计算最后5个样本（op_1）和10个样本（op_2）的序列的运行平均值）。
最后，输出应按列的名称分组，如下所示：

Output:

                   |        col_1          |          col_2        |
        index      | value   opr_1   opr_2 | value   opr_1   opr_2 |
         1         | 1234     10       1   | 4567     22       13  |
         2         | 3456     18       6   | 9453     21       4   |

这应该允许我访问单个head col_1下每个原始列的相关计算。
最初，我考虑手动增加输入 Dataframe 的级别，如下所示：

df.columns = pd.MultiIndex.from_product([df.columns, ['value']])

但是，我不知道如何单独在第二层运行apply（考虑到我希望将列寻址为df['col_1']['value']，然后将这些值放入df['col_1']['op_1']内同一层的 Dataframe 中）。
因此，我尝试的第二种方法是为每个操作创建一个 Dataframe ，如下所示

op_1 = df.apply(lambda x: op_1_func(x, **params))
op_2 = df.apply(lambda x: op_2_func(x, **params))

然后合并这三个 Dataframe 以创建所需的多级视图。但是，我想不出一种方法来连接 Dataframe 以产生所需的输出。请帮助！