Spyder环境下使用Python编写data science代码出现名称报错求助

名称报错的核心是代码中引用了未被提前定义的标识符，针对数据科学开发场景，常见原因及对应解决方法如下：

• 标识符未提前完成定义/初始化
  数据场景常用的数据集变量、自定义函数如果没有运行对应的定义代码就直接调用会触发报错，比如直接调用df但未运行读取数据集的代码行。Spyder支持分块/逐行运行代码，很容易出现漏跑定义代码的情况，解决方案是选中包含对应标识符定义的完整代码块重新运行，或重启内核后运行全量代码。
• 第三方库导入异常
  常用数据科学库的别名调用不匹配、未完成导入都会触发报错，比如调用pd.read_csv()但未运行import pandas as pd，或是导入时写的别名和调用时不一致。解决方案是核对导入语句的拼写、别名，确认导入语句已成功运行无其他报错。
• 拼写/大小写不匹配
  Python 对大小写敏感，标识符拼写错误、大小写不一致都会被识别为未定义，比如定义的变量为train_data调用时写为train_Data、导入sklearn时写为Sklearn。解决方案是对照报错提示的未定义名称，核对实际定义的标识符拼写、大小写完全一致。
• 作用域不匹配
  函数内部定义的局部变量无法直接在函数外部调用，函数内部修改全局变量未加global声明也会触发名称报错。解决方案是调整变量作用域，需要全局使用的标识符放在函数外定义，或是按语法要求添加global/nonlocal声明。
• Spyder 内核缓存异常
  内核中残留的历史变量缓存、已删除变量的残留引用都会引发报错，解决方案是点击Spyder界面的重启内核按钮清空所有缓存，再重新运行完整代码验证。

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