使用read_csv导入多DataFrame时，如何兼容列名前后空格差异？

可以用统一列名格式+动态匹配的方式实现单一schema兼容带空格/无空格的列名，核心思路是读取文件时先处理列名的前后空格，再和标准schema做匹配，具体实现如下：

首先，统一维护无空格的标准schema（无需同时保留带空格的版本）：

file_schema = {
    "Age": str,
    "Name": str,
    "Country": str
}

然后修改你的读取代码，分三步处理列名匹配问题：

1. 先读取文件表头，去掉每个列名的前后空格
2. 筛选出和schema匹配的有效列，避免usecols触发匹配错误
3. 动态构建dtype映射，确保原始列名对应到正确的schema类型

完整代码：

# 先读取原始表头并处理空格
raw_header = pd.read_csv(file_path, delimiter="|", nrows=0).columns
clean_header = raw_header.str.strip()

# 筛选出在schema中存在的原始列名
valid_raw_cols = [
    raw_col for raw_col, clean_col in zip(raw_header, clean_header)
    if clean_col in file_schema
]
# 构建原始列名到schema类型的映射
dtype_mapping = {
    raw_col: file_schema[clean_col] for raw_col, clean_col in zip(raw_header, clean_header)
    if clean_col in file_schema
}

# 读取数据
df = pd.read_csv(
    file_path,
    delimiter="|",
    low_memory=True,
    usecols=valid_raw_cols,
    dtype=dtype_mapping
)

# 最后把DataFrame的列名统一为标准无空格形式（利于后续处理）
df.columns = [col.strip() for col in df.columns]

这套逻辑不管源文件列名是" Age "、"Name"还是" Country "，都能自动匹配到schema对应的字段，彻底解决usecols的匹配错误问题。如果需要保留原始列名格式，去掉最后一步列名重命名即可。

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