Python Pandas清洗Excel导入的仅含空格伪空白单元格方法咨询

这类仅包含不可见空格字符、无实际内容的伪空白单元格，仅执行列名空格清洗的操作不会影响单元格内容，可通过以下两类方法将其标准化为可被pandas识别的NaN空值。

导入阶段直接完成识别（效率最高） #

在调用pd.read_excel()读取文件时，通过内置参数扩展缺失值识别范围，无需后续对全表做二次遍历清洗：

import pandas as pd

df = pd.read_excel(
    "目标文件.xlsx",
    keep_default_na=True,  # 保留pandas默认的空值识别规则（如原生空单元格、#N/A等）
    # 将不同长度的纯空格、制表符、换行符类伪空白值纳入缺失值识别范围
    na_values=[" ", "  ", "   ", "    ", "\t", "\n"]
)
# 常规的列名空格清洗操作可直接接在读取逻辑后
df.columns = df.columns.str.strip()

优势：识别动作在pandas读取文件流的过程中完成，对大体积Excel文件的处理效率远高于导入后再逐单元格遍历清洗。

已完成数据导入后的批量清洗 #

如果已经将Excel内容读入内存成为DataFrame，不需要重新读取文件，可通过带类型判断的批量转换方式完成伪空值替换，避免对非文本列的误处理：

def clean_text_column(series):
    # 仅对文本类型列执行清洗操作
    if pd.api.types.is_string_dtype(series) or series.dtype == "object":
        return series.str.strip().replace("", pd.NA)
    # 非文本列直接返回原始内容，不做修改
    return series

df = df.apply(clean_text_column)

• 如果仅需要清洗指定列范围，可先筛选目标列再执行转换：

# 仅清洗指定的3个文本列
clean_cols = ["客户名", "联系地址", "备注"]
df[clean_cols] = df[clean_cols].apply(clean_text_column)

处理完成后，原本仅包含空格的伪空白单元格会被统一转换为可被isna()、fillna()、dropna()等方法正常识别的空值，不会再出现“视觉为空但pandas识别为有效字符串”的异常情况。

内容的提问来源于stack exchange，提问作者AAP