DataFrame.sum()计算结果异常求助：已转int类型仍得错误值

首先，咱们先排查最容易踩的坑：astype('int')操作没有真正修改你的DataFrame。很多时候新手会写df.astype('int')但忘记把结果赋值回原变量，导致后续求和还是用的原来未转换的数据。比如：

# 错误：只是临时转换，没有保存结果
df.astype('int')
# 正确：把转换后的结果赋值给df（或者新变量）
df = df.astype('int')

接下来，咱们看看其他可能的原因：

• 数据中存在隐藏的空值（NaN）：如果你的数据里有NaN，直接用astype('int')会报错，这时候你可能用了astype('Int64')（pandas的可空整数类型）。这种类型求和时会把NaN当作0计算，而且结果会返回浮点数（比如3.0）。但你说CNBC的5个数值之和远超3，那可能是你以为的“数值”其实是空值？可以用df.isna().sum()检查每列的空值数量，确认后用df.fillna(0)填充再求和。

• 类型转换不彻底：有些列可能因为存在非数字内容（比如字符串格式的'N/A'、空格等），导致astype('int')转换失败（如果没加errors='ignore'会直接报错，加了的话这些列还是object类型）。你可以用print(df.dtypes)查看所有列的类型，确保需要求和的列都是int或Int64类型。

• 求和的轴参数搞反了：默认df.sum()是按列求和（axis=0），如果你需要的是行求和，得用df.sum(axis=1)。看看你要的结果是不是行求和的数值？

• 布尔值被转换成整数：如果你的数据原本是布尔类型（True/False），转成int后True会变成1，False变成0。如果CNBC列里只有3个True，求和结果就是3.0，这可能和你以为的“数值”不符。检查一下原始数据是不是布尔值而非你预期的数字。

最后，给你个验证步骤：

1. 打印df.dtypes确认所有目标列都是整数类型；
2. 打印df.head()看看CNBC列的实际数值是不是你以为的那些数；
3. 重新执行df = df.astype('int')（或Int64）后再调用df.sum()。

内容的提问来源于stack exchange，提问作者Matthew Chung