拼接DataFrame列求和异常及列间差值计算报错求助

问题根源 #

拼接后的VolumeAsk、b、c列实际是字符串类型（object），而非数值类型（int/float）：

• 字符串执行sum()会触发字符串拼接，而非数值求和
• 字符串无法直接执行减法运算，导致TypeError

解决步骤 #

1. 验证列类型 #

先确认列的实际类型：

print(concatenated_df.dtypes)

如果VolumeAsk、b、c的类型显示为object，就说明是字符串类型。

2. 转换为数值类型 #

使用pd.to_numeric()将目标列转换为数值型，同时处理可能的转换异常：

import pandas as pd

# 转换VolumeAsk列，无法转换的内容设为NaN
concatenated_df['VolumeAsk'] = pd.to_numeric(concatenated_df['VolumeAsk'], errors='coerce')
# 转换b和c列
concatenated_df['b'] = pd.to_numeric(concatenated_df['b'], errors='coerce')
concatenated_df['c'] = pd.to_numeric(concatenated_df['c'], errors='coerce')

• errors='coerce'：把非数值内容转为NaN，后续可根据需求用concatenated_df.dropna()删除含NaN的行，或concatenated_df.fillna(0)填充为0。

3. 重新执行计算 #

求和计算

TotalVolumeAsk = concatenated_df['VolumeAsk'].sum()
print("Column Volume Ask sum:", TotalVolumeAsk)

此时会得到正常的数值总和。

列间差值计算

concatenated_df['spread'] = concatenated_df['b'] - concatenated_df['c']

类型错误会被解决，正常生成差值列。

可选：拼接前提前处理类型 #

为避免后续麻烦，可在拼接两个DataFrame前，先统一转换对应列的类型：

# 假设原DataFrame为df1和df2
df1['VolumeAsk'] = pd.to_numeric(df1['VolumeAsk'], errors='coerce')
df1['b'] = pd.to_numeric(df1['b'], errors='coerce')
df1['c'] = pd.to_numeric(df1['c'], errors='coerce')

df2['VolumeAsk'] = pd.to_numeric(df2['VolumeAsk'], errors='coerce')
df2['b'] = pd.to_numeric(df2['b'], errors='coerce')
df2['c'] = pd.to_numeric(df2['c'], errors='coerce')

# 再执行拼接
concatenated_df = pd.concat([df1, df2])

内容的提问来源于stack exchange，提问作者Con-amore Coin