replace()中使用正则必须设regex=True，否则r'^s*$'等会被当字面量匹配；它仅作用于object列，需提前转类型；^s*$匹配空串及全空白，比s+更适用于清洗无效文本字段。
replace() 里传正则要开 regex=True 才生效
直接写 df.replace('', np.nan) 只能匹配完全相等的空字符串，对只含空格、制表符或换行符的“看似空白”字段无效。想一统替换所有空白字符（包括空串、' '、' '、'
'），必须启用正则模式：regex=True。否则正则表达式会被当成字面量字符串处理，根本不会执行匹配。
常见错误现象：df.replace(r'^s*$', np.nan) 没加 regex=True，结果什么都没变——因为 pandas 把 r'^s*$' 当成一个固定字符串去查找，而数据里几乎不可能真有内容是这 7 个字符的字段。
- 正确写法：
df.replace(r'^s*$', np.nan, regex=True) - 只作用于某列：
df['col'] = df['col'].replace(r'^s*$', np.nan, regex=True) - 若列含数字类型，先转成
object再替换，否则会跳过（pandas 默认跳过非字符串列）
用 ^s*$ 还是 s+？取决于你是否想保留纯空格字段
^\s*$ 匹配的是“从头到尾全是空白字符（含零个）”，也就是空字符串和全空白字段；而 \s+ 只匹配“一个及以上空白字符”，不匹配真正的空字符串 ''。多数清洗场景要的是前者——把“无有效信息”的字段都归为缺失值。
使用场景差异：
立即学习“Python免费学习笔记（深入）”；
- 想清除所有“无效文本字段”（包括
''、' '、' '）→ 用r'^s*$' - 只想把多个连续空格替换成 NaN，但保留单个空格或空字符串 → 用
r's{2,}'或其他定制模式 - 注意：
s默认不匹配\u00A0（不间断空格）等 Unicode 空白，如需覆盖，改用r'^su00A0*$'或flags=re.UNICODE（需配合re.compile+regex=...）
replace 配合 regex 在 object 列上才可靠
pandas 的 replace(..., regex=True) 对非 object 类型列（如 int64、float64）默认跳过，哪怕该列有 NaN 或 None。所以如果目标列是数值型但混入了空字符串（比如读 CSV 时类型推断失败），得先确保它是 object 类型。
- 检查类型：
df['col'].dtype，不是object就强制转换：df['col'] = df['col'].astype(object) - 更稳妥做法：清洗前统一转类型：
df = df.astype(object)（适合整表文本字段多的场景） - 性能影响：
object列正则替换比数值列慢，大数据量时可考虑先select_dtypes('object')锁定范围再操作
比 replace 更稳的方案：用 apply + str.strip().replace()
当正则替换行为不稳定（比如遇到嵌套引号、特殊编码或混合类型），replace 容易漏掉或误伤。此时更可控的方式是显式调用字符串方法：
df['col'] = df['col'].apply(lambda x: np.nan if isinstance(x, str) and not x.strip() else x)
这个写法明确做了三件事：判断是否为字符串、去除首尾空白、检查剩余是否为空。它不依赖正则引擎，也不受列 dtype 影响，还能自然跳过 NaN、数字、布尔值等非字符串值。
容易被忽略的点：
-
str.strip()默认只清空格、x.strip(' ') - 如果字段里有
'None'、'NULL'这类字符串，需额外判断：if x.strip() in ['', 'None', 'NULL'] - 这种写法无法向量化，10 万行以上建议仍优先调试好
replace(regex=True)，而不是盲目切apply
'#N/A'……正则只是工具，关键是先 df['col'].unique() 看一眼真实取值。 
