最稳妥的批量改列名方式是用rename()配合字典推导式明确映射旧名→新名，避免str.replace()误替换；需注意inplace=False默认行为、正则锚点、元字符转义、前缀分类处理及重命名后验证。
用 rename() 配合字典推导式批量处理带前缀的列
直接改列名最稳妥的方式是用 rename()，配合字典推导式识别前缀并替换。Pandas 不会自动“猜”你要删什么前缀，得明确告诉它旧名 → 新名的映射关系。
常见错误是试图用 columns.str.replace() 一把梭，但容易误伤（比如前缀是 "user_"，而列里有 "username" 也被替换了）。
- 推荐写法：
df.rename(columns={col: col.replace("old_prefix_", "") for col in df.columns if col.startswith("old_prefix_")}) - 如果只想处理部分匹配（如只换开头连续出现的前缀），用
col.removeprefix("old_prefix_")（Python 3.9+）更安全 - 注意：
rename()默认返回新 DataFrame，加inplace=True才原地修改 —— 但不建议用inplace，链式操作会失效
用 columns.str.replace() 时必须加锚点避免误替换
columns.str.replace() 看似简洁，但默认是全局正则替换。没加 ^ 锚点的话，"score" 列里的 "sc" 都可能被干掉。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 正确写法：
df.columns = df.columns.str.replace(r"^old_prefix_", "", regex=True) - 必须写
regex=True，否则^当普通字符处理，不起作用 - 如果前缀含正则元字符（如
"col-1_"），要先用re.escape()转义，再拼进正则表达式 - 性能上，
str.replace()比字典推导式略快，但可读性和可控性稍弱
处理嵌套前缀或多个前缀共存的情况
现实数据常混着 "user_id"、"user_name"、"order_id"、"user_order_time" —— 这时候不能一刀切。得按规则分组处理。
- 先分类：
user_cols = [c for c in df.columns if c.startswith("user_")]，再单独映射 - 若需统一加后缀（如都加
"_raw"），可用df.rename(columns=lambda x: x + "_raw" if x.startswith("user_") else x) - 遇到大小写混合前缀（如
"USER_"和"user_"），加case=False参数不顶用 ——str.startswith()不支持，得用str.lower().startswith()或正则
重命名后验证列名是否真被改了
别信自己眼睛，也别只看 print(df.columns) —— 有时终端截断显示，或空格/不可见字符混入导致后续 df["col"] 报 KeyError。
- 检查方式：
list(df.columns)看完整列表，或df.columns.tolist() - 重点核对：是否有残留空格（
" user_id"）、全角下划线、BOM 字符（尤其从 Excel 读入时） - 保险起见，重命名后立刻跑一句：
assert all(col.isidentifier() for col in df.columns), "存在非法列名"
实际用的时候，前缀逻辑越复杂，越该拆成独立函数封装，而不是堆在一行里。不然下次看到 df.rename(columns={...}) 里面嵌三层条件判断，连自己都得 debug 十分钟。
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！
