替代reset_index().apply()：基于索引值生成新列的方法

一、高效方案：直接利用索引生成新列 #

不需要重置索引，直接通过MultiIndex的get_level_values方法提取age层级的索引值，再用map应用转换函数——这比逐行apply高效得多（向量化操作 vs 循环逐行处理）：

# 直接提取age索引并转换生成新列
df["Numeric Age"] = df.index.get_level_values("age").map(age_func)

如果age_func处理的是单个值，map会自动遍历整个索引序列完成转换，完全避开索引重置的麻烦。

二、原思路的报错修复（还原索引结构） #

你遇到的ValueError: cannot reindex from a duplicate axis，是因为仅重置age索引后，原DataFrame仍保留另一级索引，直接将age设回索引时，新旧索引的唯一性冲突导致的。修正方法是完整保留所有索引信息：

1. 先把全部索引重置为列，避免丢失层级信息：

# 获取原MultiIndex的所有层级名称
index_names = df.index.names
# 重置所有索引到列
df = df.reset_index()

2. 生成新列（直接针对age列用apply，比axis=1的apply更高效，因为仅处理单列）：

df["Numeric Age"] = df["age"].apply(age_func)

3. 重新设置回原来的MultiIndex：

df = df.set_index(index_names)

这样就能完整还原原有的双层索引结构，同时添加新列。

内容的提问来源于stack exchange，提问作者David Jay Brady