如何处理pandas DataFrame多重索引，重命名层级并删除指定层级？

行索引处理（重命名+删除第三层+解决重复问题） #

删除第三层后第二层索引重复属于正常现象：原数据中同一个District_ID+Month组合下原本就有多条记录，第三层是原本区分这些记录的默认行号，删掉后自然会出现重复的前两层索引，如果你需要每个District_ID+Month组合仅对应一行，后续按需做聚合即可。

方法1：先命名层级再删除多余层级 #

# 先给三层索引分别设置名称，第三层临时命名为待删除的占位名
DF.index.names = ['District_ID', 'Month', 'drop_level']
# 删除第三层索引
DF = DF.reset_index(level='drop_level', drop=True)

方法2：删除层级后再重命名 #

# 先删除第三层索引
DF.index = DF.index.droplevel(2)
# 重命名剩下的两层行索引
DF.index.names = ['District_ID', 'Month']

重复索引处理（按需选择） #

如果需要合并同一District_ID+Month下的重复行，可根据业务需求选择聚合逻辑，示例为取数值列均值：

DF = DF.groupby(level=['District_ID', 'Month']).mean(numeric_only=True)

列索引重命名 #

分两种常用场景：

• 全量替换列名：列名列表长度需要和现有列数完全一致

# 示例：替换所有列名为自定义列表
DF.columns = ['自定义列名1', '自定义列名2', '自定义列名3']

• 替换指定列名：无需修改的列不需要传入

# 示例：仅将原列名old_col1、old_col2替换为新名称
DF = DF.rename(columns={
    'old_col1': 'new_col1',
    'old_col2': 'new_col2'
})

内容的提问来源于stack exchange，提问作者Lambda