Jupyter运行数据分析已定义df仍报NameError变量未定义问题求助

引发原因 #

• Jupyter Notebook 的单元格执行顺序和代码书写顺序无强制绑定，绝大多数情况是你未先运行定义df的单元格，就直接执行了调用df.dropna()的代码。从报错的输入标识<ipython-input-3-b46efd5c722d>可以判断，调用df的单元格是你内核启动后第3个运行的单元格，如果定义df的单元格输入编号大于3，就可以确认是执行顺序错配导致的问题。
• Jupyter的变量作用域完全和内核生命周期绑定，如果定义df后你重启过内核，所有之前的变量都会被清空，哪怕之前的单元格显示过运行成功的结果，df也会变成未定义状态。
• 小概率场景：定义df的单元格运行时本身就有报错，比如未提前导入pandas/numpy、dowjones.csv文件路径错误导致pd.read_csv执行失败，df没有被成功创建，也会触发该报错。
• 还有一种可能是你在定义df之后，中途运行过del df这类删除变量的代码，主动清除了df变量。

解决方法 #

• 首先确认你已经提前导入所有依赖库，把以下代码放在最开头的单元格，优先运行：

import pandas as pd
import numpy as np
import statsmodels.formula.api as smf

• 严格按代码书写顺序执行单元格：先运行定义df的第一个单元格，确认df.head()正常输出无报错后，再运行后续调用df的第二个单元格。
• 如果之前重启过内核，直接点击Jupyter顶部菜单栏的「运行所有单元格（Run All）」，让所有代码按书写顺序完整执行一遍即可。
• 如果要避免后续再出现执行顺序混乱的问题，可以在需要依赖前置变量的单元格开头增加校验逻辑：

if 'df' not in dir():
    raise Exception("请先运行定义df的前置单元格")

内容的提问来源于stack exchange，提问作者Sherlockwatson