Python pandas使用replace替换列值时所有行被误更新问题

两个问题共同导致了这个bug：

1. 正则里表示数字范围的横杠用错了：你代码里写的‐是Unicode特殊连字符，不是ASCII标准半角减号-，因此[^0‐9]根本无法识别「0到9的数字范围」，实际匹配规则变成了「匹配所有不是'0'、不是特殊连字符、不是'9'的字符」——也就是说1、2、3、4、5、6、7、8这些合法数字也会被判定为需要替换的内容。
2. 就算把横杠改对，现有逻辑也不符合需求：Series.replace在正则模式下默认替换匹配到的子串，而非判断整个值是否非法。比如值为12a3时，改对正则后只会把a替换成0得到1203，做不到「只要含非数字字符整个值置0」的效果。

不要自己写正则做数值判断，用pandas内置的pd.to_numeric是最稳妥、最不容易出问题的写法：

• 调用pd.to_numeric转换money列，传入errors='coerce'参数，所有无法转成数字的值会自动转成空值NaN
• 用fillna(0)把空值统一填充为0，最后转成int类型更符合数值字段的预期

修正后的完整代码：

import pandas as pd

df = pd.read_csv("./input.csv", sep=",")
df['money'] = pd.to_numeric(df['money'], errors='coerce').fillna(0).astype(int)
df.to_csv("./output.csv", index=False)

如果你坚持要用正则实现，需要先把横杠换成半角减号，同时加上首尾匹配符判断整个字符串是否全为数字，再做替换：

df['money'] = df['money'].replace(to_replace=r'^.*[^0-9].*$', value=0, regex=True)

这种写法鲁棒性很差，遇到带小数点、正负号的合法数字很容易误判，不推荐使用。

运行代码后输出的output.csv内容完全符合预期：

name,money
Dan,200
Jimmy,0
Alice,15
Deborah,30

内容的提问来源于stack exchange，提问作者ForeverStudent