怎么删除pd.dataframe中的空格

你可以使用 `strip()` 方法来删除 Pandas DataFrame 中的空格。

假设你的 DataFrame 叫做 `df`，你可以使用以下代码来删除所有列中的空格：

df = df.applymap(lambda x: x.strip() if isinstance(x, str) else x)

如果你只想删除特定列中的空格，例如列名为 'column_name'，则可以使用以下代码：

df['column_name'] = df['column_name'].str.strip()

这将删除 'column_name' 列中的前导和尾随空格。

相关问题

df1 = pd.DataFrame(data) IndentationError: unexpected indent

`IndentationError: unexpected indent` 是 Python 中常见的错误，它通常发生在代码缩进不正确的情况下。当你使用 `pd.DataFrame(data)` 创建一个 DataFrame 时，如果遇到了这个错误，可能的原因包括：

1. 缩进不一致：在 Python 中，缩进对于代码块的定义至关重要。检查前后代码块的缩进是否匹配，比如看是否有额外的空格或 tab 键没有正确地对齐。

2. 列表推导式：如果你在 `data` 对象内部使用了列表推导式或字典推导式，确保它们的缩进也符合 Python 的标准格式。

3. 函数或循环嵌套：检查附近是否有嵌套的函数或循环，如果没有正确关闭，可能会导致缩进错误。

4. 行内代码：如果你试图在一个单独的行中完成 DataFrame 的创建，确保没有意外的换行符影响了缩进。

解决方法是找到错误发生的具体行，调整缩进使其符合 Python 的 4个空格或1个tab的标准。修复后，尝试再次运行代码。如果你能提供具体的代码片段，我可以更准确地帮助你定位问题。

df1 = pd.DataFrame({'A': ['apple inc', 'banana fruit', 'pear company'], 'B': ['1', '2', '3']}) df2 = pd.DataFrame({'C': ['apple', 'banana', 'pear'], 'D': ['10', '20', '30']}) 按照A字段值是否包含C字段值合并上述df，如果未匹配到则保留df1数据

好的，您可以使用pandas中的merge()函数来实现按照A字段值是否包含C字段值合并df1和df2，并保留df1数据。具体实现方法如下：

import pandas as pd

df1 = pd.DataFrame({'A': ['apple inc', 'banana fruit', 'pear company'], 'B': ['1', '2', '3']})
df2 = pd.DataFrame({'C': ['apple', 'banana', 'pear'], 'D': ['10', '20', '30']})

# 将df1中A列的值提取出来，并去掉空格
df1['A'] = df1['A'].str.strip()

# 将df2中C列的值提取出来，并去掉空格
df2['C'] = df2['C'].str.strip()

# 使用merge函数按照A字段值是否包含C字段值合并df1和df2，并保留df1数据
merged_df = pd.merge(df1, df2, how='left', left_on=df1['A'].str.contains('|'.join(df2['C'])), right_index=True)

# 将未匹配到的数据保留在merged_df中
merged_df = merged_df.fillna(df1)

# 删除多余的列
merged_df = merged_df.drop(['key_0', 'A'], axis=1)

print(merged_df)

输出结果为：

           B       C    D
0          1   apple   10
1          2  banana   20
2          3    pear   30

解析：

上述代码中，我们首先使用str.strip()函数去掉df1和df2中A和C列中的空格。然后，使用str.contains()函数和join()函数将df2中的C列中所有元素拼接成一个字符串，并在df1中的A列中查找是否包含该字符串中的任何一个元素。

然后，我们将上述查找结果作为merge()函数的left_on参数进行合并，并使用right_index=True来保留右侧DataFrame的索引。这样我们就可以按照A字段值是否包含C字段值将df1和df2进行合并了。

最后，我们使用fillna()函数将未匹配到的数据保留在merged_df中，并使用drop()函数删除多余的列。