Pandas中'int'与'str'实例无法比较的TypeError问题排查求助

这个报错看起来有点迷惑——明明len_c和len_a_b都是int64类型，怎么会出现int和str的比较错误？其实问题不在数据类型，而在Series的索引类型不匹配。

从报错栈可以看到，错误发生在pandas的索引对齐（join）阶段：当你执行len_a_b - len_c时，pandas会自动尝试对齐两个Series的索引，而如果其中一个Series的索引是整数类型，另一个是字符串类型，或者索引是object类型但混合了int和str元素，pandas在比较索引值以完成对齐时，就会触发TypeError: '<' not supported between instances of 'int' and 'str'。

为什么非完整数据能正常运行？因为小数据集的索引可能刚好是统一类型（比如都是整数），而完整数据集的索引出现了混合类型（比如部分是int、部分是str），或者两个Series的索引类型本身就不一致。

第一步：验证索引问题 #

先运行以下代码确认索引的类型和内容：

# 查看索引类型和元素类型集合
print("len_c索引类型:", len_c.index.dtype)
print("len_c索引元素类型:", set(type(idx) for idx in len_c.index))
print("len_a_b索引类型:", len_a_b.index.dtype)
print("len_a_b索引元素类型:", set(type(idx) for idx in len_a_b.index))

如果输出显示索引元素同时包含<class 'int'>和<class 'str'>，那就坐实了索引混合类型的问题。

第二步：统一索引类型 #

根据你的数据情况，选择以下一种方式解决：

方式1：重置索引（最简单，适合索引无关紧要的场景）

如果两个Series的元素顺序是一一对应的，直接重置为默认整数索引，跳过对齐逻辑：

len_c = len_c.reset_index(drop=True)
len_a_b = len_a_b.reset_index(drop=True)

# 现在再执行运算就不会报错了
dict1 = {'length' : len_c / (len_a_b - len_c) , 'b' : b , 'c' : c}

方式2：统一索引为字符串类型

如果需要保留原有索引信息，把所有索引转换为字符串：

len_c = len_c.set_index(len_c.index.astype(str))
len_a_b = len_a_b.set_index(len_a_b.index.astype(str))

方式3：统一索引为整数类型（如果索引原本应该是整数）

确认所有索引都能转换为整数后，执行：

len_c = len_c.set_index(len_c.index.astype(int))
len_a_b = len_a_b.set_index(len_a_b.index.astype(int))

方式4：从根源避免索引问题

在处理df1和df2时就重置索引，确保后续生成的Series索引统一：

# 先重置df1和df2的索引
df1 = df1.reset_index(drop=True)
df2 = df2.reset_index(drop=True)

# 再执行原代码
b = df2.apply(set)
a = df1.apply(set)
c = pd.concat([b.apply(lambda x : s.intersection(x)) for s in a], axis=1)
len_a_b = b.apply(lambda x : len(x) + len(a))
len_c = c.apply(lambda x : len(x))
dict1 = {'length' : len_c / (len_a_b - len_c) , 'b' : b , 'c' : c}

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