如何识别DataFrame中仅含任意数量空白字符的单元格？

嘿，这个场景我太熟悉了——处理人名列时遇到一堆只有空白字符的单元格，固定空格数的判断完全不顶用对吧？别担心，用正则表达式和pandas的字符串方法就能完美解决，而且通用所有空白数量的情况。

第一步：通用识别全空白单元格 #

核心思路是匹配任意数量的空白字符，不管是1个还是N个空格，甚至制表符这类空白都能覆盖。这里有两种常用方法：

• 方法一：用str.strip()去除前后空白后判断长度
  把单元格内容的前后空白都去掉，如果剩下的内容长度为0，说明原来的单元格全是空白：

  # 生成布尔掩码，True表示全空白单元格
  blank_mask = df['column'].str.strip().str.len() == 0
  

• 方法二：用正则表达式fullmatch精准匹配
  正则\s*表示匹配任意数量（包括0个）的空白字符，fullmatch会检查整个单元格内容是否完全符合这个规则：

  blank_mask = df['column'].str.fullmatch(r'\s*')
  

  如果只想排除那些至少有一个空白的单元格（不包含空字符串），可以把正则改成r'\s+'。

第二步：结合split操作处理这些单元格 #

根据你的需求，有两种处理方向：

方向1：先把全空白单元格转为缺失值再split

这样split的时候不会生成全空的列，后续处理缺失值也更方便：

import pandas as pd

# 把全空白单元格替换为pandas缺失值标识pd.NA
df['column'] = df['column'].replace(r'^\s*$', pd.NA, regex=True)

# 执行split操作，默认按任意空白分割（多个空格也会自动合并）
split_result = df['column'].str.split(expand=True)

这里str.split()默认会按任意数量的空白分割，比如"Alice Smith"（三个空格）会被正确拆分成["Alice", "Smith"]，刚好适合人名列的场景。

方向2：直接筛选非空白单元格再split

如果不需要保留全空白的行，可以先过滤再split：

# 筛选出非全空白的行
filtered_df = df[~df['column'].str.fullmatch(r'\s*')]

# 对筛选后的列执行split
split_result = filtered_df['column'].str.split(expand=True)

额外小提示 #

如果你的人名列有其他错误数据（比如特殊符号），可以在正则里进一步调整，比如只允许字母和空格的话，可以先做清洗，但这部分就看你具体的错误数据类型啦。

内容的提问来源于stack exchange，提问作者Agus Velazquez