如何对含多数据类型的Pandas DataFrame求和并忽略无数字Excel工作表

开发者阿泽

2026-8-23

解决方案

一、仅对DataFrame数值列求和

你触发的类型错误是因为df.values.sum()会尝试把所有列（包括字符串列）的元素相加，字符串和数字无法直接拼接。解决方法是先筛选出所有数值类型的列，再求和：

代码示例

# 筛选所有数值类型的列（int、float等）
numeric_df = df.select_dtypes(include=['number'])
# 计算所有数值的总和
total_sum = numeric_df.values.sum()
print(total_sum)

更简洁的写法

total_sum = df.select_dtypes(include='number').sum().sum()
print(total_sum)

解释：select_dtypes(include=['number'])会自动过滤掉字符串列，确保后续求和操作只针对数值类型。

二、忽略Excel中无数字的工作表

要实现自动跳过没有存储有效数字的工作表，可以遍历所有工作表，判断是否存在非空的数值列，再决定是否处理：

代码示例

import pandas as pd

excel_workbook = "你的Excel文件路径.xlsx"
# 存储有效工作表的DataFrame
valid_sheets = {}

with pd.ExcelFile(excel_workbook) as xls:
    for sheet_name in xls.sheet_names:
        temp_df = pd.read_excel(xls, sheet_name=sheet_name)
        # 筛选数值列
        numeric_cols = temp_df.select_dtypes(include=['number'])
        # 判断是否存在非NaN的有效数值（若所有数值列全为NaN则跳过）
        if not numeric_cols.dropna(how='all').empty:
            valid_sheets[sheet_name] = temp_df
            # 可选：直接计算该工作表的数值总和
            sheet_total = numeric_cols.sum().sum()
            print(f"工作表 {sheet_name} 数值总和：{sheet_total}")

解释：