本文介绍在 Pandas DataFrame 中批量清理 object 类型列时，如何优雅处理混合数据类型（如纯字符串、元组等），避免 AttributeError，并提供可递归处理嵌套结构的通用解决方案。
本文介绍在 pandas dataframe 中批量清理 object 类型列时，如何优雅处理混合数据类型（如纯字符串、元组等），避免 `attributeerror`，并提供可递归处理嵌套结构的通用解决方案。
在实际数据清洗中，常需对所有 object 类型列执行 .strip() 操作以清除首尾空白，但当列中混有元组、列表等非字符串对象时，直接调用 str(x).strip() 会将元组转为字符串（如 "( 'a ', 'b' )"）再剥离——这虽能运行，却破坏了原始结构；而若尝试对元组元素直接调用 .strip()（如 x.strip()），则会触发 AttributeError: 'tuple' object has no attribute 'strip'。
因此，关键在于区分数据类型并针对性处理：对字符串执行 strip()，对元组/列表等可迭代容器则递归剥离其每个元素，对其他类型保持原样。
推荐使用以下健壮的递归函数：
def cust_strip(x):
if isinstance(x, str):
return x.strip()
elif isinstance(x, tuple):
return tuple(cust_strip(item) for item in x)
elif isinstance(x, list):
return [cust_strip(item) for item in x]
else:
return x
# 应用于所有 object 列
for col in df.columns:
if df[col].dtype == 'object':
df[col] = df[col].apply(cust_strip)
该函数支持多层嵌套（如 (' a ', (' b ', ' c ')) → ('a', ('b', 'c'))），且兼容列表、字符串、元组等常见类型。若需扩展支持 set、dict 等，可按需添加 elif 分支。
⚠️ 注意事项：
- 避免使用 str(x).strip() 作为兜底方案——它会将元组强制转为字符串（如 "( 'x', 'y' )"），导致结构丢失且难以还原；
- apply 是逐元素操作，性能敏感场景建议先用 df.select_dtypes('object') 缩小范围，或结合 map() 提升效率；
- 若列中存在 None 或 np.nan，isinstance(None, str) 返回 False，函数默认保留原值，符合预期；如需特殊处理（如转为空字符串），可在函数开头增加判断。
通过类型感知的递归清洗策略，既能保障数据结构完整性，又能实现全量、安全、可复用的列级标准化处理。
