如何用pandas读取CSV时忽略表头空格，解决usecols匹配失败问题

直接给你几个靠谱的解决方案：

方法1：先处理表头再精准读取 #

先读取第一行表头，把每个列名的前后空格去掉，建立处理后列名与原始列名的映射，再用原始列名读取目标列：

import pandas as pd

# 读取表头行
header = pd.read_csv('datafiles/file2.csv', nrows=0).columns
# 构建处理后列名到原始列名的映射
header_map = {col.strip(): col for col in header}
# 通过映射找到原始列名，读取目标列
asd = pd.read_csv('datafiles/file2.csv', nrows=1, usecols=[header_map['Name']])

方法2：修正usecols的lambda写法 #

你之前的lambda写法有两处错误：一是用x.strip() in "Name"会判断字符是否在字符串里，而非列名匹配；二是逻辑有误导致迭代报错。正确的筛选写法如下：

import pandas as pd

asd = pd.read_csv(
    'datafiles/file2.csv',
    nrows=1,
    usecols=lambda x: x.strip() == 'Name'  # 判断处理后的列名是否为目标名称
)

方法3：读取后统一清理列名 #

如果需要批量处理多个带空格的表头，可以先完整读取数据，再统一去掉所有列名的前后空格，之后直接用目标列名提取：

import pandas as pd

df = pd.read_csv('datafiles/file2.csv', nrows=1)
# 移除所有列名的前后空格
df.columns = df.columns.str.strip()
# 现在直接用'Name'提取目标列
asd = df[['Name']]

内容的提问来源于stack exchange，提问作者manu p