使用concat合并5个DataFrame后计算cost列sum()报错求解

首先，咱们先捋清楚问题根源：你的Cost列是object类型（本质是字符串格式），直接调用sum()时，pandas会默认尝试拼接字符串而非做数值求和；而转类型时报错，大概率是因为Cost列的字符串里藏着没法直接转成浮点数的内容——比如空格、货币符号、逗号，甚至是空值。

咱们一步步来解决：

1. 先排查Cost列的异常值 #

先用pd.to_numeric强制转换并捕获错误，快速定位哪些值转不了：

# 把无法转成数值的内容转为NaN，方便查看问题行
all_vendors['Cost_clean'] = pd.to_numeric(all_vendors['Cost'], errors='coerce')
# 打印所有转换失败的行
print(all_vendors[all_vendors['Cost_clean'].isna()])

这样你就能看到哪些是“假数字”字符串，比如'$100'、'100 '（末尾带空格）、'1,000'这类，针对性做清洗。

2. 清洗Cost列并转换数值类型 #

根据排查到的问题，先清洗字符串，再转成数值类型：

# 去掉所有非数字和小数点的字符（比如符号、空格）
all_vendors['Cost'] = all_vendors['Cost'].str.replace(r'[^0-9.]', '', regex=True)
# 转成float类型，空值用0填充（按需调整填充值）
all_vendors['Cost'] = pd.to_numeric(all_vendors['Cost'], errors='coerce').fillna(0)

3. 正常计算总和 #

现在Cost列已经是数值类型了，直接求和即可：

total_cost = all_vendors['Cost'].sum()
print(total_cost)

另外提个小细节：你示例里的pd.concat([g, b, f, c, o])是直接传字典，实际应该把每个字典转成DataFrame再合并，比如：

g_df = pd.DataFrame([g])
b_df = pd.DataFrame([b])
# 其他字典同理转换
all_vendors = pd.concat([g_df, b_df, f_df, c_df, o_df])

不过你实际是合并5个结构相同的DataFrame，这部分应该没问题，只是示例代码的小疏漏~

内容的提问来源于stack exchange，提问作者Peter