如何单行重命名Pandas多层索引DataFrame的指定索引层级？

当前实现方式 #

我目前通过以下三步完成多层索引中level_x到level_y的重命名：

df.reset_index('level_x', inplace=True, drop=False)
df.rename(columns={'level_x': 'level_y'}, inplace=True)
df.set_index('level_y', append=True)

无效的尝试写法 #

我尝试过用单行写法简化，但均未生效，例如：

df.rename(level={'level_x': 'level_y'}, inplace=True)

同时也试过.rename(index=...)、直接.rename(...)等写法，都没能达到目的。

示例DataFrame #

测试用的DataFrame定义如下：

import pandas as pd
df = pd.DataFrame({'level_x':[1,2,3], 'asd':[2,3,4], 'a column':[3,4,5]}).set_index(['level_x','asd'])

正确的单行实现方案 #

你之前的写法无效是因为rename的level参数用于指定对哪个层级的行/列标签重命名，而非修改层级本身的名称。要修改层级名称，有两种简洁的单行实现方式：

方式1：直接修改索引的names属性 #

如果明确知道层级顺序，可直接赋值：

df.index.names = ['level_y', 'asd']

如果只想修改特定层级（无需关心顺序），用列表推导式更灵活：

df.index.names = ['level_y' if name == 'level_x' else name for name in df.index.names]

方式2：使用rename_axis方法 #

rename_axis专门用于修改轴（索引/列）的层级名称，支持字典映射指定修改：

# 返回新DataFrame
df = df.rename_axis({'level_x': 'level_y'})

# 原地修改
df.rename_axis({'level_x': 'level_y'}, inplace=True)

内容的提问来源于stack exchange，提问作者user171780