Pandas分组后DataFrame索引重命名仅前3行生效的解决方法求助

我通过以下代码对现有表格进行分组聚合：

df.groupby('bin_fare')['fare'].agg(['count', 'sum', 'mean'])

得到的结果中，索引名为bin_fare，具体数据如下：

我尝试用以下代码重命名索引：

fare_rate_names = ['cheapest','avarage','above average','expensive']
df.groupby('bin_fare')['fare'].agg(['count','sum','mean']).rename(index=pd.Series(data=fare_rate_names))

但仅前3行索引被重命名，第4行仍为原索引值4，如何在不修改fare_rate_names开头元素的前提下解决该问题？

出现该问题的核心原因是：用pd.Series传递新索引时，Series默认索引是从0开始的整数，而原分组结果的索引是1、2、3、4，两者无法完全匹配——前3个新值对应Series的0、1、2索引，刚好能对应原结果的1、2、3索引，但原结果的4号索引找不到Series中对应的值，因此保留了原索引。

以下两种方法都无需修改fare_rate_names的内容，可彻底解决问题：

方法1：用字典精准映射原索引与新名称 #

直接创建原索引值到新名称的映射字典，确保每个原索引都能匹配到对应的新名称：

fare_rate_names = ['cheapest','avarage','above average','expensive']
# 先获取分组聚合结果
result = df.groupby('bin_fare')['fare'].agg(['count','sum','mean'])
# 用字典映射完成索引重命名
result.rename(index=dict(zip(result.index, fare_rate_names)), inplace=True)

方法2：直接替换索引属性 #

由于新名称的顺序和原索引的顺序完全对应，直接赋值给结果的index属性是最简洁的方式：

fare_rate_names = ['cheapest','avarage','above average','expensive']
result = df.groupby('bin_fare')['fare'].agg(['count','sum','mean'])
result.index = fare_rate_names

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