Python 替换所有级别中第n个位置的多重索引名称

我有大约300个CSV文件，我想用Pandas 将它们合并成一个文件.它们都有3行变量名(第一行中的Project、第二行中的Device_1和第三行中的Variable). 第一列类似于(‘Asset’，‘Element’，‘Date’)，继续时间序列的值.有时名称是其他语言的，但有100个文件的第一行是(‘ts’，nan，nan)，所以我需要替换多重索引名称的第一个"列"，以便能够在完成合并文件后按日期对其进行排序.

df.iloc[:3,:5]
Out[16]: 
                    ts       Asset_1                                             
                   nan      Device_1                        Device_2     Device_3
                   nan     Variable_1         Variable_2  Variable_1    Variable_1
0  2022-12-31 00:00:00         0.0                NaN          0.0          0.0
1  2022-12-31 00:05:00         0.0                NaN          0.0          0.0
2  2022-12-31 00:10:00         0.0                NaN          0.0          0.0

因此，基本上我想要的是多索引名称的第一列，与我的新_COLLES值相同

                 Asset       Asset_1                                             
                 Device      Device_1                        Device_2     Device_3
                 Date       Variable_1         Variable_2  Variable_1    Variable_1
0  2022-12-31 00:00:00         0.0                NaN          0.0          0.0
1  2022-12-31 00:05:00         0.0                NaN          0.0          0.0
2  2022-12-31 00:10:00         0.0                NaN          0.0          0.0

到目前为止，我已经try 了三个层次的迭代:

new_cols = ['Asset','Element','Date']
for i in range(3):
    df.rename(columns={df.columns[0][i]:new_cols[i]},inplace=True)

然而，由于此方法不是按位置替换，而是按名称替换，因为第二行和第三行具有相同的名称(NaN)，所以最终的名称是(‘Asset’，‘Date’，‘Date’)，当我try 将其与其他文件合并时，最终的数据帧有两个日期时间列.

我try 使用SET_LEVES，但必须将VERIFY_INTEGRATION设置为FALSE，否则会收到错误:

new_cols = ['Asset','Element','Date']
for i in range(3):
updated_columns = [new_cols[i]] + list(df.columns.get_level_values(i)[1:])
df.columns.set_levels(updated_columns,level=i,verify_integrity=True)

ValueError: Level values must be unique: ['Asset', 'Asset_1','Asset_1','Asset_1','Asset_1'] on level 0

但是，如果我将VERIFY_INTEGRATION标记为FALSE，最终的名称就会混淆，我不知道为什么.

有没有办法用given position替换MultiIndex中的任何名称？比如说像ILOC之类的，

pd.Multiindex.iloc[0,2]='Date'