仅单个列出现Pandas数值运算错误，其余列运行正常

原本正常运行的脚本，功能是将列中数值增加10%后生成新列，但处理DBP_AUS列时出错。已确认该列全为数字，无空格、Null/NaN或字母，但执行以下代码仍报错：

df['COST_AUS'] = df['DBP_AUS'].multiply(1.1).round()

报错回溯信息（中文翻译）：

Traceback (most recent call last):
  文件 "C:\Users\rober\OneDrive\Documents\Datafeed\datafeed\script.Auscomp.py", 第28行, 在 <module>中
    df['COST_AUS'] = df['DBP_AUS'].multiply(1.1).round()
                     ^^^^^^^^^^^^^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\series.py", 第6014行, 在 mul中
    return self._flex_method(
           ^^^^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\series.py", 第5942行, 在 _flex_method中
    return op(self, other)
           ^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\ops\common.py", 第76行, 在 new_method中
    return method(self, other)
           ^^^^^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\arraylike.py", 第202行, 在 __mul__中
    return self._arith_method(other, operator.mul)
           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\series.py", 第5819行, 在 _arith_method中
    return base.IndexOpsMixin._arith_method(self, other, op)
           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\base.py", 第1381行, 在 _arith_method中
    result = ops.arithmetic_op(lvalues, rvalues, op)
             ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\ops\array_ops.py", 第285行, 在 arithmetic_op中
    res_values = _na_arithmetic_op(left, right, op)  # type: ignore[arg-type]
                 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\ops\array_ops.py", 第229行, 在 _na_arithmetic_op中
    result = _masked_arith_op(left, right, op)
             ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  文件 "C:\Users\rober\AppData\Local\Programs\Python\Python312\Lib\site-packages\pandas\core\ops\array_ops.py", 第184行, 在 _masked_arith_op中
    result[mask] = op(xrav[mask], y)
                   ^^^^^^^^^^^^^^^^^

TypeError: 无法将序列与非整数类型'float'相乘

问题分析 #

报错核心是TypeError: 无法将序列与非整数类型'float'相乘，说明DBP_AUS列的元素并非直接的数值类型，而是嵌套的列表/序列结构——比如每个元素是[123]这种单元素列表，而非纯数字123。即使视觉上看是数字，数据类型的嵌套会导致乘法操作失败。

解决方法 #

1. 先排查列的元素结构 #

执行以下代码确认数据类型和元素格式：

# 查看列的整体数据类型
print(df['DBP_AUS'].dtype)
# 逐个检查前5个元素的实际类型
for idx, item in enumerate(df['DBP_AUS'].head()):
    print(f"第{idx+1}个元素: 值={item}, 类型={type(item)}")

2. 处理嵌套序列元素 #

如果排查后确认是列表/元组嵌套，提取其中的数值转为浮点型：

import pandas as pd

# 提取嵌套序列中的第一个元素并转为数值
df['DBP_AUS'] = df['DBP_AUS'].apply(
    lambda x: float(x[0]) if isinstance(x, (list, tuple)) else float(x)
)
# 执行原乘法逻辑
df['COST_AUS'] = df['DBP_AUS'].multiply(1.1).round()

3. 兜底：强制转为数值类型 #

如果是字符串格式的数字（即使你说没有，可作为额外排查），用pd.to_numeric强制转换：

# 强制转为数值，无法转换的标记为NaN
df['DBP_AUS'] = pd.to_numeric(df['DBP_AUS'], errors='coerce')
# 检查是否有转换失败的行（若有则说明存在非数字内容）
print("转换失败的行：")
print(df[df['DBP_AUS'].isna()])

内容的提问来源于stack exchange，提问作者DjInsomnia