如何用Python删除CSV文件Price列数字间的空格

先确认空格类型 #

有些看似普通的空格其实是非换行空格（NBSP，Unicode编码U+00A0），普通的空格替换方法对它无效。可以先运行代码排查：

import pandas as pd
df = pd.read_csv('你的CSV文件路径.csv')
# 提取一条带问题的价格字符串
target_str = df.loc[df['PRICE'].str.contains(' '), 'PRICE'].iloc[0]
# 输出每个字符的Unicode编码
for char in target_str:
    print(f"{char}: {ord(char)}")

如果输出里出现160，就说明是NBSP在搞鬼。

针对性处理方案 #

方案1：用Pandas批量处理

直接替换所有类型的空白字符（包括普通空格和NBSP）：

import pandas as pd
df = pd.read_csv('你的CSV文件路径.csv')
# 正则匹配所有空白字符并删除
df['PRICE'] = df['PRICE'].str.replace(r'\s+', '', regex=True)
# 保存处理后的文件
df.to_csv('清理后的文件.csv', index=False)

如果确定是NBSP，也可以直接指定编码替换：

df['PRICE'] = df['PRICE'].str.replace('\u00A0', '', regex=False)

方案2：用原生CSV模块处理

不用Pandas的话，用Python内置csv模块逐行处理：

import csv
with open('你的CSV文件路径.csv', 'r', encoding='utf-8') as in_file, open('清理后的文件.csv', 'w', newline='', encoding='utf-8') as out_file:
    reader = csv.DictReader(in_file)
    writer = csv.DictWriter(out_file, fieldnames=reader.fieldnames)
    writer.writeheader()
    for row in reader:
        # 同时替换普通空格和NBSP
        row['PRICE'] = row['PRICE'].replace(' ', '').replace('\u00A0', '')
        writer.writerow(row)

额外优化：转成数值类型 #

如果需要把清理后的价格转成可计算的数值（注意原数据用逗号做小数分隔符）：

df['PRICE'] = df['PRICE'].str.replace(',', '.').astype(float)

内容的提问来源于stack exchange，提问作者Ksenia