如何统一获取pd.DataFrame.columns与pd.Series.name？

嘿，这个问题问得太到位了！确实有不少Pythonic的方式能帮你统一获取DataFrame的列名和Series的名称标识，我给你分享几个实用的方案：

方案1：用鸭子类型写极简工具函数 #

这是最直接的思路——既然我们只关心对象有没有columns或name属性，完全不用严格判断类型，直接用getattr来优雅处理：

def get_column_identifier(obj):
    # 优先取columns，没有的话取name，还没有可以加默认值比如None
    return getattr(obj, 'columns', getattr(obj, 'name', None))

这个函数非常灵活，哪怕是其他类似结构的对象（只要有这两个属性之一）也能适配，完全符合Python“鸭子类型”的哲学。

方案2：用单分派泛型函数（functools.singledispatch） #

如果你需要更严谨的类型区分，而且未来可能要扩展支持其他类型，Python标准库的singledispatch绝对是最优解——它能根据传入对象的类型自动匹配对应的处理逻辑：

from functools import singledispatch
import pandas as pd

@singledispatch
def get_col_id(obj):
    # 默认处理逻辑，遇到不支持的类型抛出提示
    raise NotImplementedError(f"Unsupported type: {type(obj)}")

# 注册DataFrame的处理逻辑
@get_col_id.register(pd.DataFrame)
def _(df):
    return df.columns

# 注册Series的处理逻辑
@get_col_id.register(pd.Series)
def _(s):
    return s.name

使用的时候直接调用get_col_id(your_df_or_series)就行，后续如果要加对其他类型的支持，只要再加一个@get_col_id.register(XXX)装饰的函数就行，扩展性拉满。

方案3：用Pandas官方推荐的Accessor扩展 #

如果你想让这个功能像Pandas原生方法一样好用，可以用Pandas的register_dataframe_accessor和register_series_accessor来注册一个自定义的访问器，这样就能像调用df.columns一样调用自定义属性：

import pandas as pd

@pd.api.extensions.register_dataframe_accessor("col_identifier")
@pd.api.extensions.register_series_accessor("col_identifier")
class ColumnIdentifierAccessor:
    def __init__(self, pandas_obj):
        self._obj = pandas_obj
    
    @property
    def value(self):
        if isinstance(self._obj, pd.DataFrame):
            return self._obj.columns
        return self._obj.name

使用的时候就非常直观：

# DataFrame的情况
df.col_identifier.value  # 返回df.columns
# Series的情况
s.col_identifier.value   # 返回s.name

这个方式完全符合Pandas的扩展规范，不会污染原对象的命名空间，还能在访问器里扩展更多相关功能，比如格式化列名、验证合法性等等。

避坑提醒 #

不建议直接给Pandas的顶层类（比如pd.core.generic.NDFrame）打猴子补丁添加方法，虽然能实现功能，但很容易和其他依赖Pandas的库产生冲突，而且在Pandas版本更新时可能出问题，上面的三个方案都比猴子补丁更安全可靠。

内容的提问来源于stack exchange，提问作者40Percent