使用pandas强制转换数值类型仍报错：int与str无法执行加法

你遇到的矛盾点在于：df.info()显示所有列都是数值类型，但计算总和时仍触发int与str相加的错误，核心原因可以从以下几个方向排查解决：

1. 替换Python内置sum()为Pandas原生方法 #

Python自带的sum()函数会逐一遍历Series元素累加，若Series中存在隐藏的字符串（极端情况下可能出现Pandas dtype识别偏差），就会触发类型冲突。而Pandas的Series.sum()是专为数值型列优化的方法，能避免这类问题。

修正代码：

# 使用Pandas原生sum方法计算
df['target'].sum().astype(int)

2. 验证target列的真实元素类型 #

即使df.info()显示列是数值型，也可能存在个别字符串元素（比如转换后被意外修改，或errors='coerce'未覆盖的特殊格式字符串）。用以下代码排查：

# 查看target列的官方dtype
print(df['target'].dtype)
# 列出列中所有元素的实际类型
print(df['target'].apply(type).unique())
# 统计转换失败生成的NaN数量
print(df['target'].isna().sum())

如果确实存在字符串元素，单独对target列重新转换并处理缺失值：

# 强制转换为数值，无法转换的设为NaN
df['target'] = pd.to_numeric(df['target'], errors='coerce')
# 填充NaN为0（可根据业务需求调整），再转为int类型
df['target'] = df['target'].fillna(0).astype(int)
# 重新计算总和
df['target'].sum()

3. 确认DataFrame赋值的有效性 #

检查执行df = df_leads.apply(pd.to_numeric, errors='coerce')后，是否对df做了其他修改导致target列变回字符串类型。可以在转换后立即打印df['target'].dtype确认转换结果。

内容的提问来源于stack exchange，提问作者user3120266