执行df.columns无控制台输出、Seaburn数据集结果不符预期咨询

我正在学习数据科学相关教程，当前练习列表推导式与字典推导式的用法，实操时遇到两个和教程效果不一致的问题：

• 执行df.columns无直接回显：教学视频里的讲师执行df.columns语句后，控制台直接展示了运行结果，但我按照完全相同的步骤操作，控制台没有直接返回对应输出，复现失败。
• Seaborn数据集输出不符合预期：使用Seaborn内置数据集练习时，得到的输出结果和教程展示的预期结果存在差异。

效果对比截图如下：

• 教学视频中的运行效果：
• 本地操作的运行截图：

df.columns无直接输出问题 #

这个问题是运行环境差异导致的：
教程里讲师使用的是IPython/Jupyter类交互环境，这类环境默认会自动打印当前代码块最后一行语句的返回值；如果本地是在普通.py脚本、原生Python shell中运行代码，不会自动触发返回值打印，就会出现没有输出的情况。
对应解决方法：

• 如果是在普通脚本/非交互环境运行，主动给语句加打印调用即可：print(df.columns)，执行后就会在控制台输出列名结果
• 如果是在Jupyter Notebook/Lab环境运行，把df.columns放在当前运行代码单元的最后一行即可自动输出；如果语句写在代码单元中间，同样需要用print()包裹才会输出对应结果

Seaborn数据集输出和预期不符问题 #

常见原因和对应解决方法如下：

• 版本不匹配：不同版本的Seaborn内置数据集可能存在字段调整、样本数据更新的情况，和教程使用的版本不一致就会出现输出差异。可以先执行pip show seaborn查看本地安装的Seaborn版本，安装和教程一致的版本即可对齐效果
• 加载参数不一致：检查加载数据集时传入的参数是否和教程一致，比如缓存路径、是否强制拉取最新数据等参数不同，可能导致加载到的数据集内容有差异
• 前置处理步骤不一致：检查加载数据集之后、输出结果之前，是否做了和教程不一致的列筛选、缺失值处理、数据类型转换等操作，这类操作会直接修改数据集内容，导致最终输出和预期不符

内容的提问来源于stack exchange，提问作者irem emin