用 rename() 最稳妥，但必须明确传入 columns 参数（字典映射），不加 inplace=true 更安全；常见错误是未指定 columns 导致修改了行索引而非列名，批量重命名用字典最可靠，函数映射适合规则化处理，列表替换慎用；需警惕重复列名、multiindex 层级及链式调用中断问题。
直接说结论：用 rename() 最稳妥，但必须明确传入 columns 参数（字典映射），别依赖默认行为；不加 inplace=True 是安全习惯，返回新 DataFrame 更利于链式操作。
为什么 rename() 有时不生效？
常见错误是写了 df.rename({'old': 'new'}) 却没生效——这是因为 rename() 默认作用于行索引（index），不是列名。Pandas 把列名和索引都看作“轴”，必须显式指定目标轴。
- 正确写法必须带
columns=参数：df.rename(columns={'old_name': 'new_name'}) - 如果误写成
df.rename({'old_name': 'new_name'}, inplace=True)，实际改的是行索引，列名纹丝不动 - 想批量重命名多个列，字典里写全要改的键值对即可，没被提到的列名保持不变
rename() 的三种常用映射方式
除了字典，rename() 还支持函数和列表，但适用场景差异大：
python全能编程助手
下载
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
- 字典映射（最常用）：
df.rename(columns={'A': 'col_a', 'B': 'col_b'})—— 精准控制，推荐首选 - 函数映射（适合规则化改名）：
df.rename(columns=str.upper)或df.rename(columns=lambda x: x.strip().replace(' ', '_'))—— 对所有列名统一处理，注意函数不能抛异常 - 列表替换（危险！慎用）：
df.rename(columns=dict(zip(df.columns, ['x', 'y', 'z'])))—— 实际是转成字典，但若列数不匹配会报ValueError，不如直接赋值df.columns = ['x', 'y', 'z']
性能与副作用：什么时候不该用 rename()？
单纯改列名本身开销极小，但要注意两个隐性成本：
- 如果 DataFrame 极大（千万行+），且你只改一两个列名，用
rename()没问题；但若后续还要drop()、filter()，建议先用columns赋值再操作，避免多次视图拷贝 -
inplace=True看似省内存，实则可能破坏链式调用（比如df.rename(...).query(...)会失效），也增加调试难度——改名后原变量被覆盖，没法回溯原始列名 - 涉及多级列（MultiIndex）时，
rename()默认只作用于最外层，需用level参数指定层级，否则静默失败
真正容易被忽略的是列名重复问题：如果新名字和已有列名冲突，rename() 不报错也不警告，只会让 DataFrame 出现重复列名，后续按名取列（df['col_name']）可能返回 Series 或 DataFrame 不确定，查起来非常隐蔽。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
