Pandas计算列返回NaN及类型转换报错问题求解

看起来你遇到的问题核心是无法将object类型的列转换为数值类型，进而导致减法计算全为NaN。我们一步步来排查和解决：

1. 先排查报错的根本原因 #

你收到的TypeError: arg must be a list, tuple, 1-d array, or Series，最常见的触发原因是传给pd.to_numeric的参数不是一维结构——比如你的列名重复了，导致df["Total requests"]返回的是一个DataFrame而非Series。

先检查是否存在重复列名：

print(df.columns.duplicated())

如果输出中有True，说明存在重复列。你可以通过自动重命名解决：

# 给重复列添加后缀区分
df.columns = pd.io.parsers.base_parser.ParserBase({'usecols': None})._maybe_dedup_names(df.columns)

或者手动删除多余的重复列。

2. 清理列中的非数值内容 #

如果列名没有重复，那大概率是列中存在无法直接转换为数值的非数字内容（比如空格、特殊符号、字符串标记等）。先查看列的唯一值确认：

print("Total requests的唯一值：", df['Total requests'].unique())
print("Requests on-hold的唯一值：", df['Requests on-hold'].unique())

如果发现有空格、'N/A'、'--'这类内容，先把它们替换为NaN：

# 替换非数值标记为NaN
df['Total requests'] = df['Total requests'].replace([' ', 'N/A', '--'], pd.NA)
df['Requests on-hold'] = df['Requests on-hold'].replace([' ', 'N/A', '--'], pd.NA)

3. 安全转换数值类型 #

接下来用pd.to_numeric转换类型，加上errors='coerce'参数，把无法转换的内容强制转为NaN（避免转换失败直接报错）：

df['Total requests'] = pd.to_numeric(df['Total requests'], errors='coerce')
df['Requests on-hold'] = pd.to_numeric(df['Requests on-hold'], errors='coerce')

转换后可以用df.dtypes确认类型是否变为int64或float64。

4. 执行计算 #

现在就可以正常计算差值了：

df['Total requests received (excluding on-hold)'] = df['Total requests'] - df['Requests on-hold']

如果还有NaN，说明对应行的Total requests或Requests on-hold本身是NaN，可以根据需求用fillna()填充（比如填充为0）：

df['Total requests received (excluding on-hold)'] = df['Total requests'].fillna(0) - df['Requests on-hold'].fillna(0)

这样就能得到你想要的数值结果了。

内容的提问来源于stack exchange，提问作者Stacey