有没有一种方法可以重新索引两个 Dataframe （不同级别），以便它们在所有级别上共享一个公共索引？

演示：

创建一个名为'A'的基本数据框架：

index = np.array(['AUD','BRL','CAD','EUR','INR'])
data = np.random.randint(1, 20, (5,5))
A = pd.DataFrame(data=data, index=index, columns=index)

创建名为“B”的MultiIndex数据框架：

np.random.seed(42)
midx1 = pd.MultiIndex.from_product([['Bank_1', 'Bank_2'], 
['AUD','CAD','EUR']], names=['Bank', 'Curency'])
B = pd.DataFrame(np.random.randint(10,25,6), midx1)
B.columns = ['Notional']

碱性DF：

>>> Dataframe A:

        AUD     BRL     CAD     EUR     INR
AUD     7       19      11      11      4
BRL     8       3       2       12      6
CAD     2       1       12      12      17
EUR     10      16      15      15      19
INR     12      3       5       19      7

MultiIndex DF：

>>> Dataframe B:

                    Notional
Bank    Curency     
Bank_1  AUD         16
        CAD         13
        EUR         22
Bank_2  AUD         24
        CAD         20
        EUR         17

目标是：
1)重新索引B，使其货币级别包括A的索引中的每种货币。B将看起来像这样（请参阅包括BRL和INR，它们的名义值并不重要）：

Notional
Bank    Curency     
Bank_1  AUD         16
        CAD         13
        EUR         22
        BRL         0
        INR         0
Bank_2  AUD         24
        CAD         20
        EUR         17
        BRL         0
        INR         0

2)重新索引A，使其包含B索引的第一级中的每个Bank。然后A看起来像这样：

AUD      BRL     CAD     EUR     INR
Bank_1  AUD     7       19      11      11      4
        BRL     8       3       2       12      6
        CAD     2       1       12      12      17
        EUR     10      16      15      15      19
        INR     12      3       5       19      7
Bank_2  AUD     7       19      11      11      4
        BRL     8       3       2       12      6
        CAD     2       1       12      12      17
        EUR     10      16      15      15      19
        INR     12      3       5       19      7

这个应用程序将在更大的 Dataframe 上，所以我需要一个Python的方法来做到这一点。
对于上下文，最终我想乘以A和B。我试图重新索引以获得匹配的索引，因为这是一种干净的方式来乘以各种索引级别的 Dataframe ：Pandas multiply dataframes with multiindex and overlapping index levels
谢谢你的帮助。