Python 尾随空格导致列名在read_csv中与usecols不匹配

我有几千个类似格式的csv文件，我在两列中分别阅读它们。它们的顺序可能不同，主要问题似乎是每行末尾都有一个尾随空格，包括标题。假设我有几个标题如下所示：

'apple','banana','orange '
'banana','kiwi','apple '
'grape','apple','banana '

我在for循环中这样做是为了将所有数据保存在dict中：

results[fruitfilepath] = pd.read_csv(fruitfilepath,usecols=['apple', 'banana']

它一直工作到它碰到一个文件，最后一列是“apple”或“banana”，因此在它后面有一个空格

理论上，我可以想出三种方法来解决这个问题，但我正在努力实现它们

第一，有没有办法在usecols中包含通配符？类似于以下内容的内容（不起作用）

第二，使用多个列名，但以某种方式触发read_csv跳过文件中不存在的列

results[fruitfilepath] = pd.read_csv(fruitfilepath,usecols=['apple', 'banana','apple ', 'banana ']

第三，通过删除所有尾随空格来预处理所有文件。这相当简单，但似乎有些过分，我认为有更好的方法

---

第四，我还遗漏了什么？

我认为您可以结合第二和第三选项，通过读取第一行并动态计算应调用哪些标题来手动设置列名

阅读第一行以获取当前列名的列表

headers_df = pd.read_csv("mydata.csv", nrows=1, header = None)

将标题转换为列表

headers = headers_df.values.tolist()[0]

修复列名以删除空格

fixed_headers = [x.strip(' ') for x in headers]

手动将文件头替换为固定的文件头，选择所需的两个文件头

d = pd.read_csv('test.csv', header=0, names=fixed_headers, usecols=['apple','banana'])

---

我认为您可以结合第二和第三个选项，通过读取第一行并动态计算出应该调用哪些标题来手动设置列名

阅读第一行以获取当前列名的列表

headers_df = pd.read_csv("mydata.csv", nrows=1, header = None)

将标题转换为列表

headers = headers_df.values.tolist()[0]

修复列名以删除空格

fixed_headers = [x.strip(' ') for x in headers]

手动将文件头替换为固定的文件头，选择所需的两个文件头

d = pd.read_csv('test.csv', header=0, names=fixed_headers, usecols=['apple','banana'])

---

在

df.columns

中插入原始

n-1

列+最后一列减去最后一个字符的列表

df.columns = df.columns[:-1].to_list() + [df.columns[-1][:-1]]

例如：

df = pd.DataFrame({'a': [1, 2], 'b': [2, 3], 'cd': [3, 4]})
df.columns = df.columns[:-1].to_list() + [df.columns[-1][:-1]]
df.columns

输出：

索引（['a'，'b'，'c'，dtype='object'）

---

这就是我的方法，（我认为）您可以对

df.columns[-1]

执行任何字符串操作，将原始

n-1

列+最后一列减去最后一个字符的列表插入

df.columns

中

df.columns = df.columns[:-1].to_list() + [df.columns[-1][:-1]]

例如：

df = pd.DataFrame({'a': [1, 2], 'b': [2, 3], 'cd': [3, 4]})
df.columns = df.columns[:-1].to_list() + [df.columns[-1][:-1]]
df.columns

输出：

索引（['a'，'b'，'c'，dtype='object'）

---

这是我的方法，（我认为）你可以在

df.columns[-1]

上做任何你想做的字符串操作看起来你可能可以使用“转换器”来重命名列看起来你可能可以使用“转换器”来重命名列，但是你首先如何获得df.columns？@JeffUK每个数据帧都有列。如果我正确理解OP的代码，他会将数据帧加载到字典中，因此在他的代码中，应该是

results[fruitfilepath].columns

@JeffUK如果我之前的评论很明显，而这不是你想让我回答的，也许我没有真正看到问题所在。据我所知，OP可以将他的csv文件加载到一个数据帧中，问题是其中一列（最后一列）被命名为带有尾随空格的

banana

。当他试图使用

df['banana']

访问该列时，他得到了一个关键错误，因为正确的列名是

banana

（这里也有尾随空格）。但是首先如何获得df.columns呢？@JeffUK每个数据帧都有列。如果我正确理解OP的代码，他会将数据帧加载到字典中，因此在他的代码中，应该是

results[fruitfilepath].columns

@JeffUK如果我之前的评论很明显，而这不是你想让我回答的，也许我没有真正看到问题所在。据我所知，OP可以将他的csv文件加载到一个数据帧中，问题是其中一列（最后一列）被命名为带有尾随空格的

banana

。当他试图使用

df['banana']

访问该列时，他得到了一个关键错误，因为正确的列名是

banana

（这里也是尾随空格）。非常简单，谢谢！为了以防万一有人来参考，你的第一行有一个大写字母H的小打字错误。很好很简单，谢谢！为了以防万一有人来参考，你在第一行有一个大写字母H的小打字错误。