如何对含None值的CSV列求和并解决int与str相加类型报错

这个报错的核心原因是参与求和运算的元素同时包含int类型和str类型，加法运算符不支持两种不同类型直接运算，结合你写的代码，具体触发逻辑有三个：

1. read_csv传参错误：你写的pd.read_csv("file.csv",";")中，第二个位置参数对应的是header参数而非分隔符参数，pandas没有正确识别分号分隔符，会导致CSV读入时列结构错乱，大量数值被识别为字符串类型。
2. 误用chain.from_iterable：pandas的Series对象本身是一维结构，不需要用chain拍平。对一维序列调用chain.from_iterable会把每个字符串类型的单元格值拆成单个字符，比如字符串"120"会被拆成'1'、'2'、'0'三个独立的字符串元素，混入数值序列中直接触发类型错误。
3. filter(None, ...)的逻辑缺陷：这个写法只能过滤掉布尔值为假的对象（比如None、空串、0），既不能自动把字符串格式的数值转为数字类型，还会把合法的数值0误判为空值过滤，导致求和结果不准。
   另外你写的out['General Lighting'][1:]是硬跳过第一行数据，如果读文件时表头识别错乱，这一步会进一步切分错误数据。

直接用pandas原生的数值处理方法即可，不需要引入itertools.chain，逻辑更简单、容错率更高，也不会出现类型错误：

import pandas as pd

# 显式指定分隔符读入CSV，保证数据结构识别正确
df = pd.read_csv("file.csv", sep=";")
# 将目标列统一转为数值类型，无法转换的无效值/空值设为NaN，求和时自动跳过
total = pd.to_numeric(df['General Lighting'], errors='coerce').sum()
print(total)

代码说明：

• 显式传入sep=";"指定分隔符，避免读入数据结构错乱
• pd.to_numeric会自动处理列中的None、空字符串、字符串格式数字，无法转为数值的无效内容会被标记为NaN空值
• pandas自带的.sum()方法默认自动跳过所有NaN值，不会出现类型不匹配问题，也不会误过滤数值0，求和结果准确。
• 如果你确实需要跳过第一行数据再求和，只要把取列的代码改成df['General Lighting'].iloc[1:]即可，不要直接用[1:]做切片，pandas中用显式的.iloc做位置切片更稳妥。

如果你一定要用原生Python的sum函数实现，不要使用chain.from_iterable，先逐值做类型转换和空值过滤即可：

import pandas as pd

df = pd.read_csv("file.csv", sep=";")
f1 = df['General Lighting'].iloc[1:] # 不需要跳第一行就去掉.iloc[1:]
valid_num = []
for val in f1:
    # 跳过空值
    if pd.isna(val) or str(val).strip() == '':
        continue
    # 尝试转成浮点数，转失败的无效值直接跳过
    try:
        valid_num.append(float(val))
    except (TypeError, ValueError):
        continue
k = sum(valid_num)
print(k)

内容的提问来源于stack exchange，提问作者ilyaf