尝试使用列表理解。

df.columns = [c.strip().lower().replace(' ', '_') for c in df.columns]

尝试使用重命名？

df.rename(index=str, columns={"A space": "a", "B space ": "c"})

我抛弃了Pandas，只使用了Python 2.7中的CSV模块。

import csv
import re
import tempfile
import sys
import os
if sys.version_info >= (3, 3):
    from os import replace
elif sys.platform == "win32":
    from osreplace import replace
else:
    from os import rename as replace

newHeaderList = []

with tempfile.NamedTemporaryFile(dir='.', delete=False) as tmp, \
    open('myFile.txt', 'rb') as f:
    r = csv.reader(f, delimiter = '\t')
    w = csv.writer(tmp, delimiter = '\t', quoting=csv.QUOTE_NONNUMERIC)
    header = next(r)
    for h in header:
        headerNoSpace = re.sub("\s+", "_", h.strip())
        newHeaderList.append(headerNoSpace)
    w.writerow(newHeaderList)
    for row in r:
        w.writerow(row)

os.rename(tmp.name, new_text_filepath)

new_txt = csv.reader(open('newFile.txt', "rb"), delimiter = '\t')
out_csv = csv.writer(open('myFile.csv', 'wb'))
out_csv.writerows(new_txt)

你可以使用regex作为sep来删除头中的所有空格：

import pandas as pd
df = pd.read_csv("example.csv", sep='\s*&\s*')

这里\s表示一个空白字符，*表示匹配前面的表达式（这里是\s）零次或任意次。
我猜你正在阅读一个像这样的文件

Name,  Age,   City
John Smith, 30, New York
Jane Doe, 25, San Francisco
Bob Johnson, 45, Los Angeles

或者像这样

Name        , Age , City
John Smith  , 30  , New York
Jane Doe    , 25  , San Francisco
Bob Johnson , 45  , Los Angeles

两者都可以使用上面的代码。但是，在sep中使用正则表达式可能会减慢阅读过程，因为'c'引擎不支持正则表达式，因此将使用'python'引擎。阅读非常大的文件时要小心。