df["列名"].str.strip()仅处理字符串首尾空格，对None/NaN/数字返回NaN；不清理中间空格、全角空格及零宽字符；安全做法是先dropna()再strip()并reindex()对齐索引。
df["列名"].str.strip() 是最常用但容易误用的操作
它只对字符串类型生效，如果列里混了 None、NaN 或数字，调用 .str.strip() 会直接返回 NaN，而不是跳过或报错。这不是 bug，是 Pandas 的设计逻辑：.str 访问器默认要求元素可转为字符串，失败就置空。
实操建议：
立即学习“Python免费学习笔记（深入）”；
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 先确认列类型：
df["列名"].dtype，如果是object，还得检查是否真全是字符串 —— 用df["列名"].apply(type).unique() - 稳妥写法是加
astype(str)强转，但要注意：NaN会被转成字符串"nan"，不是你想要的空格清理效果 - 更安全的做法是先用
df["列名"].dropna().str.strip()处理非空值，再用.reindex()对齐索引（否则会丢行）
strip() 默认只去首尾空格，不去中间多余空格
很多人以为 .str.strip() 能把 “ a b c ” 变成 “a b c”，其实它只处理开头和结尾，中间多个空格原样保留。这是函数定义决定的，和 Python 内置 str.strip() 行为完全一致。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 去中间多余空格用
.str.replace(r"\s+", " ", regex=True)，再接一次.str.strip() - 注意正则中的
r"\s+"会匹配所有空白符（空格、制表、换行），如果只要纯空格，写r" +" - 性能上，正则替换比纯
.strip()慢不少，大数据量时建议先判断是否真有中间多空格问题，别无脑套用
strip() 不处理 Unicode 全角空格、零宽字符等“隐形空格”
从 Excel 复制来的数据、爬虫抓取内容、用户输入中常含 \u3000（中文空格）、\u200b（零宽空格）、\ufeff（BOM）等，.str.strip() 完全无视它们，看起来“没空格”却无法匹配或去重。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
df["列名"].str.encode("unicode_escape")查看真实字节，定位异常字符 - 批量清理可用：
.str.replace(r"[\u3000\u200b\ufeff]+", "", regex=True) - 如果要兼容所有空白类字符（包括全角），可以传自定义字符集给
.str.strip()，比如.str.strip(" \t\n\r\u3000\ufeff")，但注意这不支持正则，只能列明具体字符
链式调用时 .str.strip() 的顺序很关键
比如 df["列名"].str.lower().str.strip() 和 df["列名"].str.strip().str.lower() 在大多数情况下结果一样，但一旦遇到 NaN 或非字符串值，前者会在 .str.lower() 阶段就产出 NaN，后者则可能因 .str.strip() 失败提前中断链式。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 优先做清洗（
strip、replace），再做转换（lower、title），减少中间态出错概率 - 避免长链式，拆成带中间变量的步骤，方便调试和加
fillna("")等兜底 - 如果必须链式，记得在开头补
.astype(str)或用.map(lambda x: str(x).strip() if pd.notna(x) else x)控制逻辑
