为何pandas中set_levels方法的表现不符合预期？

错误原因 #

你误用了set_levels方法的核心逻辑：

• set_levels的作用是替换MultiIndex指定level的唯一值集合，而非按列的顺序逐个修改标签。
• 你的原始列MultiIndex的level1唯一值是['x', 'y', 'z']，调用set_levels(new_columns, level=1)时，pandas会取new_columns的前3个值，分别替换x、y、z——这就导致所有原标签为x的列（包括A组和B组的x）都变成x1，同理y变y1、z变z1，最终出现重复的底层列名。

正确解决方案 #

要实现底层列名唯一，需要逐个指定每个列的底层标签，推荐以下两种简单方法：

方法1：重新构造MultiIndex #

直接将原level0的标签与新的level1标签配对，生成新的MultiIndex：

import pandas as pd
import numpy as np

# 原始数据构造
columns = pd.MultiIndex.from_product([['A', 'B'], ['x', 'y', 'z']])
df = pd.DataFrame(np.arange(1, len(columns)*5+1).reshape(-1, len(columns)), index=range(5), columns=columns)

# 新的底层列名
new_level1 = ['x1', 'y1', 'z1', 'x2', 'y2', 'z2']
# 获取原level0的标签列表
level0_labels = df.columns.get_level_values(0).tolist()
# 重新构造MultiIndex
df.columns = pd.MultiIndex.from_tuples(list(zip(level0_labels, new_level1)))

print(df)

输出结果：

A           B        
   x1  y1  z1  x2  y2  z2
0   1   2   3   4   5   6
1   7   8   9  10  11  12
2  13  14  15  16  17  18
3  19  20  21  22  23  24
4  25  26  27  28  29  30

方法2：遍历列名元组批量修改 #

如果新列名有规律（比如按上层标签加后缀），可以直接遍历列名元组修改：

# 按上层标签A/B分别加1/2后缀
df.columns = [ (upper, f"{lower}{'1' if upper == 'A' else '2'}") for upper, lower in df.columns ]

这种方法更灵活，适合批量生成有规律的列名。

内容的提问来源于stack exchange，提问作者VERBOSE