如何移除Pandas DataFrame列名中的'、"等特殊字符及读取对应文件

一、读取包含特殊字符列名的文件 #

Pandas 可以直接读取列名含单/双引号的文件，无需额外特殊配置。以 CSV 文件为例，直接使用 read_csv 即可完整保留原始列名：

import pandas as pd
df = pd.read_csv("your_data_file.csv")

如果文件中列名的引号存在转义问题（比如用双引号包裹列名且内部含单引号），可通过指定 quoting 参数确保正确读取：

# 当列名被双引号包裹时使用
df = pd.read_csv("your_data_file.csv", quoting=1)  # quoting=1 对应 csv.QUOTE_ALL

二、清理DataFrame中的特殊字符列名 #

针对已加载的 DataFrame，可通过字符串处理方法批量移除列名首尾及内部的单/双引号：

方法1：自定义清理函数 #

def clean_column_name(col):
    # 先移除首尾的单双引号，再替换掉中间所有的单双引号
    cleaned = col.strip('\'"')
    return cleaned.replace('\'', '').replace('"', '')

# 应用到所有列名
df.columns = df.columns.map(clean_column_name)

方法2：正则表达式批量替换 #

用正则表达式一次性匹配并移除所有单/双引号，代码更简洁：

df.columns = df.columns.str.replace(r'[\'"]', '', regex=True)

如果只想移除首尾的引号、保留中间内容（若有需求），可使用：

df.columns = df.columns.str.strip('\'"')

测试验证 #

针对你提供的示例列名，清理后结果如下：

• est_soilty_Gh'' → est_soilty_Gh
• upd_siffer_Kh'g → upd_siffer_Khg
• iest_soilty_M''' → iest_soilty_M

内容的提问来源于stack exchange，提问作者YIF99