str.strip()是清理单列字符串空格最安全方式，仅去首尾Unicode空白；含NaN时默认保留，避免用apply(str.strip)；多列处理需先select_dtypes筛选字符串列；零宽字符和BOM需显式replace；性能优化应链式调用并隔离目标列。
用 str.strip() 处理单列字符串空格
直接调用 str.strip() 是最常用也最安全的方式，它只去除 Unicode 空白字符（包括 ' '、' '、'
'、'
'、'u200b' 等），不会误删中间的有效空格或非空白符号。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 对单列操作：
df['col'] = df['col'].str.strip() - 若列中含
NaN，str.strip()默认保留NaN不报错，无需提前填充 - 避免写成
df['col'].apply(str.strip)—— 这会把NaN转成字符串'nan'，是常见翻车点 - 如果只想去左侧或右侧，用
str.lstrip()或str.rstrip()
批量清理多列字符串，避开非字符串类型报错
当 DataFrame 里混有数值、布尔、时间等列时，直接对整行用 str.strip() 会报 AttributeError: Can only use .str accessor with string values。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先筛选出字符串列：
str_cols = df.select_dtypes(include='object').columns - 再逐列处理：
for col in str_cols: df[col] = df[col].str.strip() - 更紧凑写法（但需注意：若某 object 列实际存的是 list/dict，
str.strip()仍会失败）：df[str_cols] = df[str_cols].apply(lambda x: x.str.strip()) - 不推荐用
df.astype(str).applymap(lambda x: x.strip())—— 它会把数字转成字符串再 strip，彻底丢失原始类型
识别并清除隐藏的零宽字符（如 u200b、ufeff）
从 Excel、网页或某些 API 导入的数据常带零宽空格、BOM 头等不可见字符，str.strip() 默认能处理大部分，但对 ufeff（UTF-8 BOM）可能无效，尤其出现在首字符位置时。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先检查异常字符：
df['col'].str.encode('unicode_escape').head()，看到类似b'\u200bhello'就确认存在 - 针对性清除：
df['col'] = df['col'].str.replace('u200b', '').str.replace('ufeff', '').str.strip() - 若需通用清洗，可预编译正则：
import re; pattern = re.compile(r'[u200bu200cu200dufeff]')，然后用.str.replace(pattern, '') - 注意：
str.strip()的默认字符集不含ufeff，必须显式替换
性能敏感场景下避免重复计算和链式赋值
对百万级字符串列反复调用 .str.strip() 可能变慢，尤其在循环中多次调用或链式使用时。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 一次到位：
df['col'] = df['col'].str.strip().str.lower()比分两行快（底层复用中间 Series） - 避免
df['col'].str.strip().copy()这类无意义操作，增加内存开销 - 若后续还要做
str.contains()或str.split()，不必提前strip()—— 很多方法内部已隐式处理首尾空白 - 真正卡顿往往来自混合类型列被强制转 str，务必先用
select_dtypes()隔离目标列
strip() 并不保险；另外，object 类型列不等于字符串列，盲目全量应用 str 方法是线上事故高发区。 
