如何修改Pandas多级索引DataFrame中的特定索引值？

我懂你踩的这个坑——用df.rename()直接改多级索引的特定元组对确实不太行，因为它的底层处理逻辑在面对多级索引时，不会直接匹配你传入的完整元组映射。下面给你几个实用的解决方案，按直观程度排序：

方法1：临时将索引转为列修改（最直观） #

这种方法把多级索引拆成普通列，修改完再转回去，新手也能快速上手：

# 把多级索引转为普通列
df = df.reset_index()
# 定位到目标行修改日期
df.loc[(df['ID'] == 'ID_xx') & (df['Date'] == 'wrongDate'), 'Date'] = 'correctDate'
# 重新设置回多级索引
df = df.set_index(['ID', 'Date'])

方法2：直接操作索引的元组列表 #

如果你不想折腾列的转换，可以直接提取索引的元组列表，修改后替换原索引：

import pandas as pd

# 获取当前索引的所有元组
index_tuples = df.index.tolist()
# 遍历替换目标元组
new_index_tuples = [
    ('ID_xx', 'correctDate') if item == ('ID_xx', 'wrongDate') else item
    for item in index_tuples
]
# 用新的元组列表重建多级索引
df.index = pd.MultiIndex.from_tuples(new_index_tuples, names=df.index.names)

方法3：用rename配合lambda函数（针对高版本pandas） #

如果你的pandas版本在1.3.0及以上，可以用rename结合lambda函数来精准匹配，但要注意指定层级：

df = df.rename(
    index=lambda date_val: 'correctDate' 
    if date_val[0] == 'ID_xx' and date_val[1] == 'wrongDate' 
    else date_val[1],
    level=1  # 指定修改Date这个层级
)

为什么你原来的方法不生效？ #

你之前用的df.rename(index={('ID_xx','wrongDate'):('ID_xx','correctDate')}, inplace=True)之所以失败，是因为pandas的rename处理多级索引时，默认会把字典的键值对分别对应到各个层级，而不是匹配完整的索引元组。比如它会尝试找ID层级里的('ID_xx','wrongDate')，这显然不存在，所以没效果。

内容的提问来源于stack exchange，提问作者Esculape