Pandas中MultiIndex列重命名失效问题排查与解决

嘿，我来帮你捋捋为啥列名没改成你想要的样子，以及怎么实现链式调用的需求～

你的代码有两个关键问题：

1. 代码顺序搞反啦：你在创建df之前就想读取df.columns生成rename_dict，实际运行时会直接触发NameError（提示name 'df' is not defined），估计是你粘贴代码的时候顺序搞错了。
2. MultiIndex列的重命名逻辑不匹配：你的DataFrame用的是多级列索引（MultiIndex），而pd.DataFrame.rename(columns=...)默认情况下，会把字典的键当成某一层级（默认是最顶层）的单个标签来匹配，而不是匹配整个列的元组标签。你的字典键是(100, 1)这种元组，和任何一个层级的单独标签都对不上，所以重命名操作相当于没执行。

根据你想要的「链式调用+修改列名」需求，这里有两种简单好用的方法：

方法1：用set_axis直接替换（推荐，更高效） #

set_axis方法可以直接给DataFrame设置新的列名，而且会返回一个新的DataFrame，完美支持链式调用（比如接着调用.plot()）：

import pandas as pd
import numpy as np

np.random.seed(42)
cols = [(100,i) for i in range(1, 6)]
cols_replace = ['Sensor ' + str(i) for i in range(1, len(cols)+1)]

# 先创建带多级列的DataFrame
df = pd.DataFrame(np.random.rand(5, len(cols)), columns=pd.MultiIndex.from_tuples(cols))

# 链式操作：重命名列后直接绘图
df.set_axis(cols_replace, axis=1).plot()

# 如果要查看修改后的DataFrame
print(df.set_axis(cols_replace, axis=1))

方法2：用rename配合lambda函数匹配整个列元组 #

如果你非要用rename函数，可以通过lambda函数让它匹配整个MultiIndex的列元组：

import pandas as pd
import numpy as np

np.random.seed(42)
cols = [(100,i) for i in range(1, 6)]
cols_replace = ['Sensor ' + str(i) for i in range(1, len(cols)+1)]

# 先创建DataFrame
df = pd.DataFrame(np.random.rand(5, len(cols)), columns=pd.MultiIndex.from_tuples(cols))
# 现在再生成正确的重名字典（先有df才能取到columns）
rename_dict = dict(zip(df.columns, cols_replace))

# 链式调用：用lambda映射整个列元组
df.rename(columns=lambda col: rename_dict.get(col, col)).plot()

# 查看修改后的结果
print(df.rename(columns=lambda col: rename_dict.get(col, col)))

修改后你会得到预期的输出：

Sensor 1  Sensor 2  Sensor 3  Sensor 4  Sensor 5
0  0.374540  0.950714  0.731994  0.598658  0.156019
1  0.155995  0.058084  0.866176  0.601115  0.708073
2  0.020584  0.969910  0.832443  0.212339  0.181825
3  0.183405  0.304242  0.524756  0.431945  0.291229
4  0.611853  0.139494  0.292145  0.366362  0.456070

这样就能实现你想要的链式调用操作，同时正确修改列名啦～

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