如何生成新DataFrame，将原始DataFrame中所有以-9开头的值替换为NaN

嘿，我来帮你搞定这个问题！你之前的代码没生效，核心原因是你的DataFrame里那些以-9开头的是数值类型（比如float/int），而你用的正则表达式是针对字符串匹配的，自然找不到目标值啦~

下面给你两种靠谱的解决方案，随便挑一种用就行：

方法1：用applymap遍历单元格判断（最直观准确） #

这个方法会逐个检查每个单元格的值，先转成字符串再判断是否以-9开头，符合条件就换成pd.NA：

import pandas as pd

new_df = weatherData_original.applymap(lambda x: pd.NA if str(x).startswith('-9') else x)

比如你示例里的-9.00、-99.00、-9.0这些值，都会被正确识别并替换成NaN，而像0.31、8.62这类正常数值会保留原样。

方法2：修正正则匹配的方式（适配数值类型） #

如果你坚持想用replace的正则功能，调整正则规则后也能生效，pandas会自动处理数值与字符串的匹配转换：

new_df = weatherData_original.replace(to_replace=r'^-9.*', value=pd.NA, regex=True)

这里的正则^-9.*表示匹配以-9开头的任意内容，不管后面跟的是整数、小数点还是小数位，都能精准命中目标值。

为什么你之前的代码没效果？ #

你之前写的regex=r'^-9\d+'只会匹配-9后面跟纯数字的情况（比如-99），但匹配不了-9.0、-9.678这类带小数点的；而regex='^[-9].*'逻辑错误，它的意思是匹配以-或者9开头的任意内容，范围太宽还会误判，再加上这些正则都是针对字符串设计的，你的数据是数值类型，所以根本匹配不到目标。

备注：内容来源于stack exchange，提问作者Ramon Mendez