如何在Pandas中替换多级列索引中的单个层级

下面提供两种符合Python风格的方法，用new_level_2替换DataFrame列索引中的level_2层级：

方法1：直接使用MultiIndex.set_levels() #

这是最简洁高效的方式，直接定位目标层级进行替换：

# 替换level_2层级，通过层级名称指定目标
df.columns = df.columns.set_levels(new_level_2, level='level_2')

验证替换后的层级类型：

print(df.columns.get_level_values('level_2'))
# 输出：Index([1, 2, 1, <NA>], dtype='Int64', name='level_2')

可以看到level_2已经从原来的object类型转为支持缺失值的Int64整数类型，符合预期。

方法2：重新构造多级索引 #

如果需要更清晰地控制所有层级的生成逻辑，可以提取原有层级数据，替换目标部分后重新构建索引：

# 提取原有索引的前两个层级数据，结合新的level_2数据
new_index_arrays = [
    df.columns.get_level_values('level_0'),
    df.columns.get_level_values('level_1'),
    new_level_2
]

# 重新创建多级索引并赋值给df.columns
df.columns = pd.MultiIndex.from_arrays(
    new_index_arrays,
    names=df.columns.names  # 保留原索引的名称
)

这种方式适合需要同时调整多个层级的场景，逻辑更直观。

内容的提问来源于stack exchange，提问作者Andi