这个错误的核心原因很明确：你试图对字符串类型的列执行除法运算，Python当然不支持字符串之间做除法操作啦！

看你的代码，虽然计算deposit时把DATA6030、DATA6040转成了float，但DATA9960和DATA6190这两列仍然是字符串格式（大概率是object类型），所以执行data_new3['DATA9960']/data_new3['DATA6190']时就触发了类型错误。

具体修复步骤： #

1. 先确认数据类型（可选但推荐）：
   运行下面的代码，查看这两列的类型：

   print(data_new3[['DATA9960', 'DATA6190']].dtypes)
   

   如果输出是object，就说明确实是字符串类型。

2. 将字符串列转换为数值类型：
   使用pandas的to_numeric()方法把这两列转成float，同时处理可能存在的非数值异常值（比如脏数据）：

   # 转换DATA9960和DATA6190为数值类型，无法转换的设为NaN
   data_new3['DATA9960'] = pd.to_numeric(data_new3['DATA9960'], errors='coerce')
   data_new3['DATA6190'] = pd.to_numeric(data_new3['DATA6190'], errors='coerce')
   
   # （可选）如果转换后出现新的NaN，可以再次清理空值
   data_new3.dropna(subset=['DATA9960', 'DATA6190'], inplace=True)
   

3. 重新执行除法计算：
   现在再运行你的除法代码就不会报错了：

   data_new3['WFR'] = data_new3['DATA9960'] / data_new3['DATA6190']
   data_new3['DR'] = data_new3['deposit'] / data_new3['DATA6190']
   

额外提醒： #

以后处理数值计算前，最好先检查所有参与运算的列的数据类型，避免类似的类型错误。如果你的数据源（比如数据库导出的文件）经常把数值存成字符串，建议在读取数据时就指定列类型，比如用pd.read_csv(..., dtype={'DATA9960': float, 'DATA6190': float})。

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