如何批量去除Polars DataFrame中所有字符串的首尾空格？

你原来的代码没生效，是因为pl.all().map()里的lambda参数x是整个列对象，不是单个字符串元素，所以isinstance(x, str)判断永远不成立，自然不会执行strip()操作。

下面是两种正确的实现方式：

方法一：使用Polars内置字符串函数（推荐） #

Polars提供了专门的字符串处理方法，属于向量化操作，效率远高于逐元素处理，能精准对所有字符串列生效：

import polars as pl

df = pl.DataFrame(
    {
        "A": ["foo ", "ham", "spam ", "egg"],
        "L": ["A54", " A12", "B84", " C12"],
        "Num": [1, 2, 3, 4]  # 测试非字符串列
    }
)

# 只清洗字符串类型的列，自动忽略非字符串列
df_clean_all = df.with_columns(pl.col(pl.String).str.strip())

print(df_clean_all)

输出结果：

shape: (4, 3)
┌──────┬──────┬─────┐
│ A    ┆ L    ┆ Num │
│ ---  ┆ ---  ┆ --- │
│ str  ┆ str  ┆ i64 │
╞══════╪══════╪═════╡
│ foo  ┆ A54  ┆ 1   │
│ ham  ┆ A12  ┆ 2   │
│ spam ┆ B84  ┆ 3   │
│ egg  ┆ C12  ┆ 4   │
└──────┴──────┴─────┘

方法二：逐元素处理（不推荐，仅作参考） #

如果一定要沿用你原本的逐元素判断逻辑，需要用map_elements方法，它会遍历列中的每个元素：

df_clean = df.select(
    pl.all().map_elements(lambda x: x.strip() if isinstance(x, str) else x, return_dtype=pl.String)
)

注意需要指定return_dtype避免类型推断出错；这种方法效率低于内置函数，数据量大时不建议使用。

内容的提问来源于stack exchange，提问作者Horseman