如何检查DataFrame含空格条目并处理汽车品牌数据？

嘿，针对你的需求，我们可以分两步轻松搞定：先删掉那些全是空格的条目，再把有效品牌名改成带省略号的截断格式。下面是具体的代码和说明：

第一步：过滤仅含空格的行 #

首先，我们需要把Car_Brand列里那些完全由空格组成的行去掉。用str.strip()把字符串前后的空格去掉后，如果结果是空串，就说明原条目全是空格，直接过滤掉这些行就行：

# 移除所有Car_Brand列全为空格的行
df = df[df['Car_Brand'].str.strip() != '']

第二步：截断品牌名并添加省略号 #

接下来处理品牌名的显示格式。原条目长度是30，后面带了一堆空格，所以先把这些冗余空格去掉，然后截取前6个字符，再加上省略号，就能得到你想要的HYUNDA...效果：

# 处理品牌名：去空格→截断→加省略号
df['Car_Brand'] = df['Car_Brand'].str.strip().str[:6] + '...'

更简洁的链式写法 #

如果你喜欢更紧凑的代码，可以把两步合并成一个链式操作，看起来更清爽：

df = (df
      .loc[df['Car_Brand'].str.strip() != '', :]
      .assign(Car_Brand=lambda x: x['Car_Brand'].str.strip().str[:6] + '...')
)

进阶优化：短品牌名不加省略号 #

要是你不想给短品牌名（比如KIA）加省略号，可以写个自定义函数来处理，只在品牌名长度超过6的时候才截断加省略号：

def format_car_brand(brand):
    stripped = brand.strip()
    return stripped[:6] + '...' if len(stripped) > 6 else stripped

# 先处理格式，再过滤空行（顺序调换也没问题）
df['Car_Brand'] = df['Car_Brand'].apply(format_car_brand)
df = df[df['Car_Brand'] != '']

这样操作后，HYUNDAI 就会变成HYUNDA...，全空格的条目也被清理干净了，完全符合你的要求~

内容的提问来源于stack exchange，提问作者emax