用str.replace()清理非打印字符最稳妥，正则匹配\x00-\x1f\x7f-\x9f并设regex=true；strip需显式指定\xa0、\u200b等隐形空白；多列清洗应避免apply循环而用向量化操作；导出csv须配合quote_nonnumeric防解析错位。
用 str.replace() 清理常见非打印字符（如 \x00、\x01）
非打印字符（尤其是二进制导入或 Excel 导出残留的 \x00、\x01、\x0b 等）会导致 to_csv() 报错或下游系统解析失败，Pandas 不会自动过滤它们。
直接对字符串列调用 str.replace() 最稳妥：
df['col'] = df['col'].str.replace(r'[\x00-\x08\x0b\x0c\x0e-\x1f\x7f-\x9f]', '', regex=True)
- 正则范围覆盖了控制字符和 C1 控制符（Windows/Excel 常见污染源）
- 必须加
regex=True，否则str.replace()把整个字符串当字面量匹配 - 不要用
str.strip()替代——它只处理首尾，对中间的\x00无效 - 若列含
NaN，str.replace()默认跳过，无需额外fillna()
区分 str.strip() 和 str.strip(' \t\n\r') 的实际效果
默认 str.strip() 只删 ASCII 空白（空格、\t、\n、\r、\f、\v），但很多数据里混着全角空格（ ）、不间断空格（\xa0）、零宽空格（\u200b）等，得显式指定：
df['col'] = df['col'].str.strip(' \t\n\r\xa0\u200b\u200c\u200d\u2060\ufeff')
-
\xa0是最常见的“看不见的空格”，尤其从网页或 Word 复制时带入 -
\u200b（零宽空格）在 CSV 中常导致字段错位，肉眼完全不可见 - 如果只用默认
strip()，这些字符会原样保留，后续==判断或分组都可能出错
批量清理多列时避免 apply() 性能陷阱
对 DataFrame 多列统一清洗，别写循环 + apply()，更别用 map() 遍历每个值——Pandas 的向量化 str 方法快 5–10 倍：
cols_to_clean = ['name', 'address', 'email']
df[cols_to_clean] = df[cols_to_clean].apply(lambda x: x.str.replace(r'[\x00-\x1f\x7f-\x9f]', '', regex=True).str.strip(' \t\n\r\xa0\u200b'))
-
apply()在列维度调用，内部仍是向量化操作，比逐行apply(axis=1)安全得多 - 如果某列不是字符串类型（比如数字混了异常字符串），先强制转
astype(str)，否则str方法报AttributeError - 整数列误含空字符串时，
astype(str)会变成'nan'或'None'，需提前用fillna('')
导出前用 df.to_csv(..., quoting=csv.QUOTE_NONNUMERIC) 防止空白污染
即使数据已清理，CSV 导出时若字段含空格或特殊符号，没加引号会导致 Excel 解析错列。单纯依赖清理不够：
import csv
df.to_csv('clean.csv', quoting=csv.QUOTE_NONNUMERIC, index=False)
-
QUOTE_NONNUMERIC强制所有非数字字段加双引号，隔绝空格、逗号、换行的影响 - 不用
QUOTE_ALL——它会给数字也加引号，下游系统可能误判类型 - 如果原始数据有换行符（
\n）且未被清理，仅靠quoting不够，必须先用str.replace('\n', ' ')替换掉
真正麻烦的永远是混合型污染：一个字段里既有 \x00 又有 \xa0 还夹着 \n，得按顺序清理——先删控制字符，再 strip 各类空白，最后处理换行。漏掉任意一环，问题都会在下游某个环节突然爆发。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
