使用Pandas读取CSV时数据被附加=" "，该如何去除？

先看你遇到的情况（如图所示）：

这种问题一般是CSV文件由某些工具导出时，用了="..."的特殊格式包裹字段（用来规避逗号等分隔符的干扰，但不符合Pandas默认的CSV解析规则），Excel重新保存时会自动清理掉这种冗余格式，所以能正常读取。不用每次依赖Excel，直接用Pandas就能处理，给你几个实用方法：

• 方法一：正则全局替换（最简单）
  读取后直接用正则把每个字段开头的="和结尾的"去掉：

import pandas as pd

df = pd.read_csv("your_file.csv").replace(r'^="(.*)"$', r'\1', regex=True)

这个正则会精准匹配="内容"的格式，只保留中间的实际数据，不会影响字段内本身含有的引号（如果有的话）。

• 方法二：读取时用转换器处理
  如果只想针对特定字段清理，或者需要更灵活的逻辑，可以用converters参数：

import pandas as pd

def clean_value(val):
    # 去除前后的="和"
    return val.strip('="')

# 先获取所有列名
cols = pd.read_csv("your_file.csv", nrows=0).columns
# 给每列都应用清理函数
df = pd.read_csv("your_file.csv", converters={col: clean_value for col in cols})

• 方法三：预处理文本文件
  如果文件格式比较特殊，还可以先按文本读取并预处理每行，再交给Pandas解析：

import pandas as pd
from io import StringIO

with open("your_file.csv", "r", encoding="utf-8") as f:
    # 替换每行中的="为"，再去掉首尾的引号
    processed_lines = [line.replace('="', '"').strip('"\n') + "\n" for line in f]

# 把处理后的内容转为可读取的对象
df = pd.read_csv(StringIO("".join(processed_lines)))

测试下来，第一种方法最适合你的场景，快速解决问题。

内容的提问来源于stack exchange，提问作者ac_47