python-3.x - Pandas 在导入 csv 文件时删除空格/未知字符

Question

我可以下载文件:

seasons = [2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017]

epl_tables = {}
epl_seasons = {}
for year in seasons:
    start_year = str(year)[-2:]
    end_year = str(year+1)[-2:]
    season = start_year + end_year
    epl_seasons[season] = pd.read_csv("https://www.football-data.co.uk/mmz4281/{}{}/E0.csv".format(start_year, end_year)).dropna(how='all')
    epl_tables[season] = league(epl_seasons[season]) 

这工作正常。

但是，当我尝试通过将 2004 添加到季节来添加 2004-05 季节时，出现问题并且代码失败。

seasons = [2004, 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017]

该问题是由 csv 文件第 337 到 345 行中裁判姓名前的空格引起的。

我可以通过手动删除空白然后从磁盘加载来解决这个问题，但显然它并不理想。

我已经尝试了各种方法来让它工作，如下所示，但似乎没有任何效果，

epl_seasons[season] = pd.read_csv("https://www.football-data.co.uk/mmz4281/{}{}/E0.csv".format(start_year, end_year), delimiter=',', encoding="utf-8", skipinitialspace=True).dropna(how='all')

一个潜在的复杂情况是，当我在 excel 中打开文件时，该空间显示为一个空格，但然后我在 libreCalc 中打开它(在 Ubuntu 中，这是我正在使用的)，它显示为一个未知字符一个问号黑匣子倾斜 45 度。在下面的链接中查看 PeterMau 的答案，看看这个未知角色的样子。

https://ask.libreoffice.org/en/question/113125/characters-turned-into-question-marks/

有人可以告诉我谁可以自动删除这些空格/未知字符吗？

Answer 1

您可以使用 .str.strip(): 删除字符串中的空格。

epl_seasons[season]['COLUMN NAME'] = epl_seasons[season]['COLUMN NAME'].str.strip()

这不应该是一个手动过程。只需添加一行，以便在导入 CSV 文件时也可以清理有问题的列。

显然这仅适用于特定列。这是另一个线程上的答案，该线程解决了从每个 df 单元格中删除空格的问题:

Pythonic/efficient way to strip whitespace from every Pandas Data frame cell that has a stringlike object in it