Python 熊猫：更改一个特定列的多级列名

我有这样一个数据帧：

type      A                           B
kind      A1                          B1
name      alpha  aplpha1  alpha_dog   beta beta1 alpha_dog
timestamp
20180101  1      2        3           4     5    6
20180102  ...
20180103  ...

我想更改

alpha_dog

列的

种类

，这样我可以拥有以下内容：

type      A                           B
kind      A1              google      B1         google
name      alpha  aplpha1  alpha_dog   beta beta1 alpha_dog
timestamp
20180101  1      2        3           4     5    6
20180102  ...
20180103  ...

---

我已经看过了

df.rename/multiindex.rename

，但它们都不适用于这种情况，我发现执行此操作非常困难，您的看法如何？我可以选择一个简单的选项吗？

多索引的值是元组，它们是不可变的，这可能就是为什么只更改一个级别的值非常困难的原因。相反，创建新元组，然后再次分配多重索引

df.columns = pd.MultiIndex.from_tuples(
        [(x, 'google', z) if z == 'alpha_dog' else (x,y,z) for x,y,z in df.columns], 
        names=df.columns.names)

type     A                      B                 
kind    A1           google    B1           google
name alpha alpha1 alpha_dog alpha alpha1 alpha_dog
0        1      1         1     1      1         1
1        1      1         1     1      1         1
2        1      1         1     1      1         1

样本数据

---

这看起来像是将新标签（值

google

）插入

kind

索引级别，而实际上没有重命名任何现有标签，对吧？我想不会吧？对于第一个df，alpha_go分别有'A1'和'B1'类@peterleimbigler这里的事情是，对于熊猫，如果你对索引进行排序，那么你不会看到重复的索引值，但它们实际上在那里@PeterLeimbiglerOk，我想我现在明白了：对于

name='alpha_dog'

，您想将其

'kind'

-级别的标签重命名为

google

，对吗？yep@PeterLeimbiglerNice解决方案+1.

import pandas as pd

df = pd.DataFrame([[1]*6]*3)
df.columns = pd.MultiIndex.from_tuples(
    tuple((x,y,z) for x,y in zip(['A', 'B'], ['A1', 'B1']) for z in ['alpha', 'alpha1', 'alpha_dog']),
    names=['type', 'kind', 'name'])