Pandas - 从整个 DataFrame 中删除空格

Pandas 是一个有效的 Python 工具包，用于记录操作，通常用于涉及数据评估和操作的作业。它提供了多种功能和方法来有效地清理和准备数据。在 DataFrame 中，从字符串中删除前导和尾随空格是典型的统计清理活动。本教程探讨了使用 Pandas 并学习如何清理所有空格的 DataFrame。

理解问题

在开始解决方案之前，让我们首先理解为什么从 DataFrame 中的字符串中删除空格至关重要。真实世界数据集的文本内容统计数据可能更准确和值得信赖，尤其是在从许多来源组装时。一个常见的问题是字符串中存在前导或尾随空格。这些问题可能导致记录分析、比较和可视化错误。

考虑一个 DataFrame，其中包含一个包含产品名称的列

您可以看到，上述示例中的几个产品名称都有前导和尾随空格。从您的研究中删除这些附加空格将有助于确保一致性和准确性。

使用 Pandas 删除空格

使用 Pandas 轻松地从 DataFrame 中的字符串中删除前导和尾随空格。可以使用 str.strip() 方法，该方法既可用于单个列，也可用于整个 DataFrame。

您可以使用 str.strip() 方法和列名从特定列中删除空格。以下是如何操作

运行此代码后，'产品名称' 列将没有前导和尾随空格。DataFrame 将如下所示

使用 Strip() 函数

输入

输出

输入

输出

Replace 函数的用法

我们还可以使用 replace() 函数从数据框中删除多余的空格。 Pandas 具有预定义的 "pandas.Series.str.replace()" 方法来删除空格。它与使用 strip() 方法创建的程序的唯一区别在于，现在将使用 replace() 代替 strip()。

输入

输出

从整个 DataFrame 中删除多余的空格

输入

输出

代码示例的第一行导入相关库，并使用 pandas 读写数据并执行许多其他操作。接下来，使用 pandas 形成一个具有四列的 DataFrame - 姓名、年龄、血型和性别。几乎所有列中的数据都是不稳定的。重要部分现在开始；我们开发了一个函数，该函数将修剪数据中多余的前导和后续空格。此方法将数据框作为输入，并检查每一列的数据类型。如果列的数据类型是“Object”，则将预定义的 strip 函数从 pandas 的库应用于该列；否则，什么都不做。然后，在下一行中，我们使用 whitespace_remover() 方法正确地从数据框中删除不必要的空格。