如何在Pandas链式代码中重命名分组后的索引层级名称？

现有名为bmi的DataFrame，需按Age值的十位数（即年龄段）分组汇总。执行以下代码后：

bmi.groupby(by=bmi.Age//10).describe().stack()

生成结果的索引名称为Age，希望将其改为Decade，并寻求简洁的链式调用实现方式，替代目前冗余的写法：

bmi.groupby(by=bmi.Age//10).describe().reset_index(level='Age', names='Decades').set_index('Decades').stack()

Pandas内置的rename_axis()方法正是用来重命名索引（或列）名称的，完美支持链式调用，直接替代你想要的which_func()：

方法1：字典映射修改指定索引层级 #

bmi.groupby(by=bmi.Age//10).describe().rename_axis({'Age': 'Decade'}).stack()

方法2：指定层级和新名称（更直观） #

因为仅需修改单个索引层级，可直接传入层级名和新名称：

bmi.groupby(by=bmi.Age//10).describe().rename_axis('Decade', level='Age').stack()

方法3：提前在分组阶段指定索引名称 #

还可以在groupby时就直接定义好索引名称，避免后续修改步骤：

# 方式A：通过groupby参数指定
bmi.groupby(by=bmi.Age//10, group_keys=True).describe().rename_axis('Decade').stack()

# 方式B：先构造年龄段列再分组（可读性更强）
bmi.assign(Decade=bmi.Age//10).groupby('Decade').describe().stack()

内容的提问来源于stack exchange，提问作者farhanhubble