for csv_name in csv_path:
    df = pd.read_csv(csv_name, encoding='gbk')
    df.head()
    col_names = df.columns.tolist() # 获取列名字
    # 把列名中的空格去掉
    for index,value in enumerate(col_names):
        col_names[index]= value.replace(" ","")
    col_names
    # 修改列名字
    df.columns=col_names 
    df.to_csv(csv_name, encoding='gbk')
                                    在数据预处理时，因为人工采集数据的过程，经常有可能把空值和空格混在一起，一般也注意不到在本来为空的单元格里加入了空格。这就给做数据处理的人带来了麻烦，因为空值和空格都是代表的无数据，而pandas中Series的方法notnull()会把有空格的数据也纳入进来。一般这种情况采用的做法是，先将空格用NaN值替换，再进行空值填充。
源数据形式如下：
再看一下数据的行数及数据格式：
可以看到，对于data["call_result2"]这一列数据是有缺失的，我们先用nan值将空格处理了，再进行空值处
                                    在使用pandas处理数据时，会遇到这样一个问题：打开文档查看某些列明显有很多是空的，但是在python里用dataframe.info统计出来并不是空的，这是因为excel表里这些数据看起来是空的值，但其实是一个空格，但是用isnull判断是为False的。
解决方案：
对整张表dataframe替换空格为np.nan,可以使用replace方法通过正则匹配空格，然后替换：
一、先创建一张数据表
import pandas as pd
a = pd.DataFrame([['1qw','   2e   rt   ','3uio'],['6qw   ','7ert','  8u    io']],columns=list('ABC'))
print(a)
表格生成如下：
从表格中只能看到字符串中间的空格，两侧的空格无法判断是否存在，因此我们可以用代码 print(a.values )来查看单元格中具
                                    去除pandas列名中的单双引号，空格
前段时间，公司推送的csv文件，列名中出现了单双引号，甚至是空格，这对pandas导入数据库来说，引起了很大的不便，后来发现，把列名中出现的单双引号和空格去掉其实很简答，一行代码就可以搞定。
df = df.rename(columns=lambda x: x.replace("'","").replace('"','')).replace(" ",""...
                                    用python读取包含手机号的Excel表格文件时，由于有的手机号录入时不规范，数值中间有的存在空格，有的不存在空格，如下所示。
为保证后续匹配工作顺利进行，对手机号进行格式转换，统一转换为浮点型。
df["手机号码"].astype(np.float)
不过执行该语句时报错，报错信息如下：
ValueError: could not convert string to float: ‘130 1111 1112’
由于手机号中间存在空格，系统将其默认为字符型，无法强制转换为浮点型。只有将中间的空格去除
transform = lambda x: x[:4].upper(), data.index = data.index.map(transform)对轴索引映射修改
data.rename(index=str.title, columns=str.upper)直接通过rename修改.