如何按位置替换Pandas MultiIndex指定列的各层级名称？

我需要用pandas将约300个CSV文件合并为单个文件，所有文件的列名均为3行构成的MultiIndex（第一行是项目名、第二行是设备名、第三行是变量名）。部分文件的第一列MultiIndex为('ts', nan, nan)，目标是将其替换为['Asset','Element','Date']，以便合并后按日期排序。

尝试过以下方法但存在问题：

• 遍历层级使用rename：

new_cols = ['Asset','Element','Date']
for i in range(3):
    df.rename(columns={df.columns[0][i]:new_cols[i]},inplace=True)

该方法按名称而非位置替换，因第二、三层级的nan重复，最终名称变为('Asset','Date','Date')，合并后出现两个日期列。

• 使用set_levels：

new_cols = ['Asset','Element','Date']
for i in range(3):
    updated_columns = [new_cols[i]] + list(df.columns.get_level_values(i)[1:])
    df.columns.set_levels(updated_columns,level=i,verify_integrity=True)

开启verify_integrity时因层级值不唯一报错：ValueError: Level values must be unique: ['Asset', 'Asset_1','Asset_1','Asset_1','Asset_1'] on level 0，关闭后名称混乱。

请问是否存在类似iloc的按位置替换MultiIndex名称的方法，例如pd.Multiindex.iloc[0,2]='Date'这类操作？

MultiIndex本身是不可变对象，无法直接通过类似iloc的方式修改单个位置的层级值，但可以通过以下步骤实现按位置修改目标列的MultiIndex：

1. 将MultiIndex列转换为可修改的列表：

cols = list(df.columns)

2. 修改列表中第一个元素的三个层级值：

# 替换第一列的三层索引为目标值
cols[0] = ('Asset', 'Element', 'Date')

3. 将修改后的列表重新转换为MultiIndex并赋值给df.columns：

df.columns = pd.MultiIndex.from_tuples(cols)

批量处理CSV的完整流程示例 #

import pandas as pd
import glob

# 获取所有CSV文件路径
csv_files = glob.glob("path/to/your/csvs/*.csv")
merged_df = pd.DataFrame()

for file in csv_files:
    # 读取CSV，指定前3行作为列的MultiIndex
    df = pd.read_csv(file, header=[0,1,2])
    
    # 检查第一列是否为('ts', nan, nan)，是则修改
    first_col = df.columns[0]
    if first_col[0] == 'ts' and pd.isna(first_col[1]) and pd.isna(first_col[2]):
        cols = list(df.columns)
        cols[0] = ('Asset', 'Element', 'Date')
        df.columns = pd.MultiIndex.from_tuples(cols)
    
    # 合并数据
    merged_df = pd.concat([merged_df, df], ignore_index=True)

# 按日期列排序
merged_df = merged_df.sort_values(by=('Asset', 'Element', 'Date'))

内容的提问来源于stack exchange，提问作者gyepes