本文介绍在 Pandas 中正确识别并替换以字符串形式“以 -9 开头”的数值（如 -9.0、-99.0、-9.678）为 NaN 的完整方法，重点解决因数据类型为 float 导致正则失效的问题，并提供安全、可复现的操作步骤。
本文介绍在 Pandas 中正确识别并替换以字符串形式“以 -9 开头”的数值（如 -9.0、-99.0、-9.678）为 NaN 的完整方法，重点解决因数据类型为 float 导致正则失效的问题，并提供安全、可复现的操作步骤。
在处理气象、传感器或调查类数据时，常使用 -9、-99、-999 等作为缺失值标记（即“哨兵值”）。但若这些值被 Pandas 自动解析为浮点数（如 float64），直接对数值应用正则表达式（如 regex='^-9.*'）将完全无效——因为正则仅作用于字符串，而 19.5 和 -9.0 在数值层面都是 float，无法通过字符串前缀匹配。
✅ 正确思路是：先确保目标列以字符串形式存在，再用正则精准匹配以 "-9" 开头的字符串，最后统一转为 NaN。
以下是推荐的三步实现方案（兼顾鲁棒性与可读性）：
✅ 方法一：加载阶段指定 dtype=str（最优实践）
若数据来自 CSV/Excel，应在读取时统一设为字符串，避免后续类型转换隐患：
import pandas as pd
import numpy as np
# 读取时强制所有列（或指定列）为 string
weatherData_original = pd.read_csv("weather.csv", dtype=str)
# 或仅对数值列设为 str（更精细控制）：
# weatherData_original = pd.read_csv("weather.csv", dtype={"Solar": str, "MaxRH": str, "AvgAirTemp": str})
# 然后执行正则替换（注意：^ 表示行首，-9 后可接任意数字/小数点/数字）
new_df = weatherData_original.replace(regex=r'^-9\.?\d*$', value=np.nan)
? 正则说明：
r'^-9\.?\d*$'
^：字符串开头-9：字面量 "-9"\.?：可选的小数点（匹配-9和-9.）\d*：零个或多个数字（匹配-9,-90,-9.678）$：字符串结尾 → 确保完整匹配，避免误伤19.5或-19.2
✅ 方法二：运行时临时转字符串（适用于已加载的 float 数据）
若数据已加载且含 float64 类型，需逐列转换并替换：
# 创建副本，避免修改原数据
new_df = weatherData_original.copy()
# 定义需处理的数值列（排除 'Date' 等非数值列）
numeric_cols = ["Solar", "MaxRH", "AvgAirTemp"] # 根据实际列名调整
for col in numeric_cols:
if col in new_df.columns:
# 转为字符串 → 替换 → 转回数值（NaN 自动保留）
new_df[col] = (new_df[col]
.astype(str)
.replace(r'^-9\.?\d*$', np.nan, regex=True)
.astype(float)) # 自动将 'nan' 字符串转为 float64 NaN
⚠️ 注意事项与常见误区
- ❌
regex=r'^-9\d+'无法匹配-9.678（\d+不匹配小数点）； - ❌
regex='^[-9].*'是错误写法：[-9]表示“匹配字符 - 或 9”，会误杀9.5、-1.2等； - ❌
pd.NA与np.nan区别：pd.NA需配合nullable integer或stringdtype；科学计算中推荐np.nan（兼容float64）； - ✅ 替换后建议验证：
new_df[["Solar", "MaxRH", "AvgAirTemp"]].isna().sum()查看各列 NaN 数量是否符合预期。
✅ 最终效果（基于示例数据）
# 原始片段（float 类型）： # Solar MaxRH AvgAirTemp # 0 -9.00 -9.0 -99.00 # 1 -9.00 -9.0 0.31 # 处理后： # Solar MaxRH AvgAirTemp # 0 NaN NaN NaN # 1 NaN NaN 0.31
掌握“类型先行”原则——正则操作必须在字符串上下文中进行——是高效清洗哨兵值的关键。优先在数据摄入阶段控制 dtype，可大幅降低后期处理复杂度与出错风险。
