应始终用方括号索引（如df["user id"]）而非点号访问，因列名含空格、连字符、中文或数字开头时，点号会因违反Python标识符规则而报AttributeError或SyntaxError。
直接用方括号索引，别用点号访问——这是最安全、最通用的解法。
为什么 df.column_name 会报错？
当列名含空格、连字符、中文、数字开头（如 "user id"、"2023-sales"、"用户姓名"）时，Python 解析器无法将其识别为合法标识符，df.user id 会触发 AttributeError 或语法错误。点号访问本质是调用属性，而属性名必须符合 Python 变量命名规则。
常见错误现象：
AttributeError: 'DataFrame' object has no attribute 'user id'-
SyntaxError: invalid syntax（遇到连字符或数字开头时）
正确访问方式：始终优先用 df["列名"]
方括号索引不依赖 Python 标识符规则，支持任意字符串列名。它也是唯一能处理动态列名的方式（比如列名存在变量里）。
立即学习“Python免费学习笔记（深入）”；
- 固定列名：
df["user id"]、df["2023-sales"]、df["用户姓名"] - 动态列名：
col = "order-total"; df[col] - 同时选多列：
df[["user id", "2023-sales"]]（注意传入的是 list） - 避免误用：
df["user id", "2023-sales"]是错的——这会被解释为元组索引，触发KeyError
批量重命名列名是否更稳妥？
重命名确实能一劳永逸，但需权衡场景：
- 适合长期维护、多人协作的分析脚本——统一用下划线风格：
df.columns = df.columns.str.replace(r'[^a-zA-Z0-9_]', '_', regex=True) - 不适合临时读取外部数据（如 Excel/CSV），尤其当列名本身含业务语义（如中文报表）且需保留原始含义时
- 注意重命名后原列名丢失，后续若需与原始文档对齐，容易出错
- 性能无影响，但增加了一步预处理；若只读一次、只取几列，纯属多余
读取时就规避问题：用 pd.read_csv(..., mangle_dupe_cols=True) 和自定义 names
源头控制比事后补救更可靠。尤其是 CSV 或 Excel 中列名混乱时：
- 用
names参数显式指定列名：pd.read_csv("data.csv", names=["id", "amount", "status"])，跳过原始 header 行（加header=0则读第一行作列名，冲突风险仍在） -
mangle_dupe_cols=True（默认开启）可防止重复列名覆盖，但不解决特殊字符问题 - 读 Excel 时，
pd.read_excel(..., header=0)若原始表头含空格，仍得靠方括号访问——所以“读取即规范”才是关键
真正麻烦的不是访问，而是混用点号和方括号：有人写 df.user_id 成功了，就以为所有列都能这么干，结果某天导入新数据带了个 "score%" 列，整个链路崩掉。习惯一旦养成，排查成本远高于一开始全用方括号。
