应使用 df.get(column_name, default_value) 安全获取列，它天然容忍缺失列并返回指定默认值，避免 KeyError，且比先检查 in df.columns 更高效、线程安全。
动态列名导致 df[column_name] 报 KeyError 怎么办
直接用方括号索引静态列名，在列名可能缺失或临时新增时必然失败。关键不是“怎么避免报错”，而是提前确认列是否存在，并提供默认行为。
推荐用 df.get(column_name, default_value) 替代 df[column_name] —— 它天然容忍缺失列，返回 None 或你指定的默认值（如空 pd.Series）。
- 如果后续要参与计算，用
df.get('score', pd.Series([0]*len(df)))避免NaN扩散 - 别依赖
in df.columns再分支取值，多一次遍历且线程不安全（列可能被并发修改） -
df.reindex(columns=expected_cols, fill_value=0)适合批量对齐结构，但会重排列序、填充全表，慎用于大表
用 pd.concat() 合并结构不一致的 DataFrame 时列自动补 NaN
这是 Pandas 的默认行为，但容易误以为“数据丢了”。其实 NaN 是明确的缺失标记，问题常出在后续没做类型适配或聚合前没过滤。
注意三点：
立即学习“Python免费学习笔记（深入）”；
- 合并前用
ignore_index=True避免重复索引干扰对齐 - 若某列在部分表中是
int、部分是float或object，Pandas 会升格为float64或object，后续.sum()可能静默跳过该列——检查df.dtypes很必要 - 用
pd.concat(..., join='inner')可强制只保留共有的列，适合“宁缺毋滥”的场景
用 df.assign() 动态添加列比 df['new_col'] = ... 更安全
赋值语法看似简单，但在链式操作（.pipe() / .assign().groupby()）中会触发 SettingWithCopyWarning，且无法原子化控制列生成逻辑。
assign 返回新 DataFrame，天然不可变，适合函数式处理流：
df = (df
.assign(
revenue=lambda x: x.get('price', 0) * x.get('qty', 0),
category=lambda x: x.get('tag', 'unknown').str.lower()
))- 每个 lambda 接收当前 DataFrame，可自由调用
get处理缺失列 - 避免在 lambda 中写复杂语句；逻辑重就抽成独立函数，传入
assign(new_col=func) - 不支持原地修改，所以内存占用略高——小表无感，大表需权衡
用 pd.json_normalize() 解析嵌套 JSON 列时列名动态生成
当源数据含 metadata 这类字典列，且字段随业务变化，硬编码 record_path 和 meta 列表会频繁失效。
更稳的做法是先探查结构：
sample_meta = df['metadata'].dropna().iloc[0] print(list(sample_meta.keys())) # 快速看有哪些键
- 用
max_level=1限制展开深度，防止意外展开多层嵌套 - 设置
errors='ignore'让json_normalize跳过解析失败的行，而不是整个报错 - 若字段名含点号（如
"user.id"），默认会转成user.id列名，可用sep='_'改为user_id提高可读性
动态结构的本质不是“让代码适应所有变化”，而是把不确定性收敛到明确的检查点和默认策略里。最常被忽略的是：没在 pipeline 开头统一做 df.columns = df.columns.str.strip() —— 看似无关，但上游导出 Excel 或 CSV 带空格列名时，get('name') 就会静默失败。
