Pandas DataFrame报错TypeError：无法将int与str拼接的问题求助

你的TypeError是因为F1列的数据类型不统一：前4行是整数，但索引4的**AB**是字符串，导致F1列整体被识别为object混合类型。执行df["F1"] + df["I1"]时，Pandas会尝试按字符串拼接逻辑处理，但整数无法直接和字符串拼接，因此报错。

场景1：**AB**是输入错误，应为数值 #

如果**AB**是输入时的格式错误（比如原本是数值但误加了**），可以先清理列内容并转换为数值类型：

import pandas as pd
import numpy as np

df = pd.read_excel("test123.xlsx")
# 移除F1列的**符号，转换为数值，无效值转为NaN
df["F1"] = df["F1"].astype(str).str.replace(r"\*\*", "", regex=True)
df["F1"] = pd.to_numeric(df["F1"], errors="coerce")

# 执行相加，NaN会导致对应结果为NaN，可按需用fillna填充
subone = df["F1"] + df["I1"]
print(subone)

运行结果：

0     10.0
1     32.0
2     85.0
3    119.0
4      NaN
dtype: float64

场景2：**AB**是合法非数值，需保留特殊值 #

如果**AB**是业务上的合法标识，你可以选择跳过该行计算，或对非数值行返回特定结果：

import pandas as pd
import numpy as np

df = pd.read_excel("test123.xlsx")

# 自定义函数：仅当F1是可转换的数值时才相加，否则返回NaN
def safe_add(f1, i1):
    try:
        # 先尝试清理**再转数值
        clean_f1 = str(f1).strip("*")
        return int(clean_f1) + i1
    except ValueError:
        return np.nan  # 也可返回原F1值，比如return f1

subone = df.apply(lambda x: safe_add(x["F1"], x["I1"]), axis=1)
print(subone)

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