应优先在read_csv()后用rename()配合正则清洗列名：去空格、符号转下划线、非法开头补"col_"、保留中文、统一小写，并检查重复/空列名。
读取CSV时列名含空格或连字符导致后续报错
直接用 pandas.read_csv() 读取原始数据，如果列名里有空格、连字符（-）、括号或中文，后续用 df.column_name 访问会失败——因为点号访问只支持合法的Python标识符。常见报错如 AttributeError: 'DataFrame' object has no attribute 'user-id' 或 SyntaxError: can't assign to operator（当列名含 +、/ 等符号时）。
解决思路不是硬改原始文件，而是在读入后立刻规范化列名。关键点：别等用到再处理，越早统一越省事。
- 优先在
read_csv()中用rename配合lambda一次性清洗，避免后续反复调用 - 空格、连字符、冒号、斜杠都建议转下划线；多个连续空格/符号压缩为单个
_ - 开头数字或特殊符号会导致列名非法，需前置
col_（例如2023_rate→col_2023_rate）
rename函数中用lambda做批量替换的写法细节
rename() 本身不改变原DataFrame，必须加 inplace=True 或重新赋值；但更推荐链式写法，在 read_csv() 后立刻处理：
import pandas as pd
df = pd.read_csv("data.csv").rename(columns=lambda x:
"col_" + x.strip().replace(" ", "_").replace("-", "_").replace(":", "_")
.replace("/", "_").replace("(", "").replace(")", "")
if not x.strip()[0].isalpha() and not x.strip()[0] == "_"
else x.strip().replace(" ", "_").replace("-", "_").replace(":", "_").replace("/", "_").replace("(", "").replace(")", "")
)
这段代码实际做了三件事：去首尾空格、符号转下划线、非法开头补前缀。注意 replace() 是顺序执行的，不要写成链式 .replace().replace() 套太多层——可读性差且易漏。
- 更稳妥的做法是先用正则：
import re，然后lambda x: re.sub(r'[^a-zA-Z0-9_]', '_', x.strip()).strip('_') - 如果列名含中文，正则
[^a-zA-Z0-9_]会把中文全替成下划线，此时建议加re.sub(r'[^\w\u4e00-\u9fff]', '_', x)保留汉字 - 最后用
.strip('_')防止头尾出现多余下划线，比如原始列名是" user-id "→"user_id"而非"_user_id_"
为什么不用columns = [...] 直接赋值？
手动写 df.columns = ["col_a", "col_b", ...] 看似简单，但极易出错：
- 列数一变就报
ValueError: Length mismatch - 原始列名顺序不确定（比如Excel导出可能打乱），靠位置硬对风险极高
- 无法适配不同来源的文件（A系统字段是
order-date，B系统是order_date，得写两套逻辑） -
rename(columns=...)是基于键映射，安全、可读、可复用；而直接赋值是“盲换”，没有语义校验
真正需要硬指定的场景极少，比如你明确知道某几列必须重命名且其他列不动，这时才用字典形式：df.rename(columns={"user-id": "user_id", "total $": "total_usd"})。
规范化后仍要注意的隐性坑
列名看似干净了，但有些问题不会立刻暴露：
- 大小写混用：
"UserID"和"userid"在Linux系统下是两个列，但人眼容易忽略——建议统一转小写：lambda x: x.strip().lower().replace(...) - 重复列名：原始文件可能有同名列（如两个
id），rename不会自动去重，Pandas会默认加.1、.2后缀，但后续用df.id仍会报错 - 空列名：部分CSV导出工具会生成无标题的列（首行为
,a,b,c），对应列名是""，需单独判断并设为"unnamed_col_0"等
最保险的方式是读入后立刻检查：print([x for x in df.columns if not re.match(r'^[a-zA-Z_][a-zA-Z0-9_]*$', x)])，把不合规的列名全揪出来再处理。
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！
