如何去除CSV列中的多余空白并覆盖原列保存？

1. 加载原始数据 #

首先导入pandas库，读取目标CSV文件：

import pandas as pd
# 替换为实际的CSV文件路径
df = pd.read_csv("原始文件.csv")

2. 应用strip方法清除空白 #

针对December 这类尾随空格问题，可直接用pandas的字符串处理方法str.strip()解决，这个方法会自动清除字符串开头、结尾的所有空白字符（空格、制表符、换行符都覆盖），处理后的结果直接赋值给原列，实现覆盖原列的效果：

指定单列处理（适配示例数据） #

示例里Year列是数值类型，不存在文本空格问题，只需要处理MonthLong列即可：

# 对MonthLong列逐值做去空白处理，直接覆盖原列
df["MonthLong"] = df["MonthLong"].str.strip()

注：该方法会自动跳过列里的空值（NaN），不会触发原生Python代码遇到空值就报错的问题

全表批量处理（适合不确定哪些列有空格的场景） #

如果想一次性给所有文本类型的列都做去空白处理，可以用通用批量写法：

# 筛选出所有文本类型的列
text_columns = df.select_dtypes(include=["object"]).columns
# 对所有文本列统一应用strip
df[text_columns] = df[text_columns].apply(lambda col: col.str.strip())

3. 保存修改后的文件 #

处理完成后，调用to_csv方法保存文件：

• 如果需要覆盖原文件，直接传入和原来一致的文件路径即可
• 建议首次操作时先另存为新文件（比如命名为cleaned_原始文件.csv），确认结果无误后再替换原文件，避免误操作

# 保存为CSV文件
df.to_csv("保存的文件路径.csv", index=False, encoding="utf-8-sig")

参数说明：

• index=False：不把pandas自动生成的行索引写入文件，避免CSV里多出一列无用的行号
• encoding="utf-8-sig"：适配Windows环境下Excel打开文件的乱码问题

快速验证处理效果 #

保存前可以先打印列的内容确认空白已经被清除：

print(df["MonthLong"].unique())
# 预期输出：array(['December', 'January'], dtype=object)，不存在尾随空格

内容的提问来源于stack exchange，提问作者Andrew