rename默认不修改原dataframe，需inplace=true或重新赋值；键必须为原始列名字符串，字典中不存在的列名会被静默忽略；推荐用字典推导式动态重命名，并注意清洗不可见字符。
rename函数的基本用法和常见错误
直接用 df.rename(columns={...}) 是最稳妥的批量改列方式，但很多人写完发现原DataFrame没变——因为默认不修改原对象，必须加 inplace=True 或重新赋值。不加参数时返回新DataFrame，原数据不动，这是最常踩的坑。
- 正确写法：
df = df.rename(columns={'old_name': 'new_name'})或df.rename(columns={'a': 'x', 'b': 'y'}, inplace=True) - 键必须是原始列名（字符串），不能是索引位置或正则；值是要改成的新列名
- 如果字典里写了不存在的列名，
rename会静默忽略，不会报错，容易误以为改成功了
用字典推导式动态重命名列名
当需要统一加前缀、转小写、删空格或替换特殊字符时，硬写字典太累，用字典推导更可靠。比如把所有列转为小写下划线风格，或者过滤掉中文列名。
- 加前缀：
df.rename(columns={col: f'feat_{col}' for col in df.columns}) - 去空格并下划线替换：
df.rename(columns={col: col.strip().replace(' ', '_') for col in df.columns}) - 注意：推导式生成的键必须和当前
df.columns完全一致（包括大小写、空格），否则匹配失败
rename不生效？检查列名是否含不可见字符
从Excel或网页爬取的数据，列名常带\u200b（零宽空格）、\xa0（不间断空格）或首尾空格，看着像“name”，实际是“name\u200b”，导致 rename 字典键对不上。
- 先检查真实列名：
print(repr(df.columns.tolist()))，能看到转义字符 - 清洗后再重命名：
df.columns = df.columns.str.strip().str.replace(r'[\u200b\xa0\s]+', '_', regex=True) - 别在
rename里硬编码带不可见字符的键，维护性差且易出错
替代方案：直接赋值columns属性 vs rename
如果只是整体替换全部列名，直接改 df.columns 更快更直观；但涉及条件映射、部分列修改或链式调用时，rename 更安全。
- 全量替换（推荐）：
df.columns = ['col1', 'col2', 'col3']—— 简单、无拷贝开销 - 部分替换或需保留原列逻辑时，坚持用
rename，避免因长度不匹配引发ValueError: Length mismatch -
rename支持errors='raise'或'ignore'，而直接赋值 columns 不做校验，错得更隐蔽
inplace 默认为 False 这两点，最容易在调试半小时后才被发现。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！
