Pandas求和报错：float64类型触发TypeError及KeyError问题咨询

我来帮你拆解这个问题的原因和对应的解决办法：

报错原因分析 #

1. KeyError 直接原因 #

你执行df['Total'].sum()时触发KeyError，说明你的DataFrame里不存在名为Total的列，或者列名存在拼写问题——比如大小写不一致（比如实际列名是total）、多了/少了空格（比如 Total），导致程序找不到对应的列。

2. TypeError 深层原因 #

虽然你用str.extract提取数字并转成float64，但这个逻辑有两个潜在问题：

• 正则(\d+)只能提取整数部分，如果原数据包含小数（比如"15.67"），会丢失小数位，甚至如果字符串里没有整数，会返回NaN；
• 如果Total列不在你处理的iloc[:,9:33]范围内，那它可能还是未处理的object类型，直接对字符串类型列求和就会触发TypeError: an integer is required。

分步解决办法 #

第一步：确认列的存在性与正确性 #

先运行以下代码，查看所有列名，确认Total列是否存在：

print(df.columns.tolist())

• 如果列名确实不存在，检查是不是你记错了列名；如果是拼写/格式问题，修正列名后再操作；
• 如果Total列属于iloc[:,9:33]的范围，那它已经被你之前的代码处理过，否则需要单独处理这个列。

第二步：修复数据类型转换逻辑 #

你的正则表达式只能提取整数，建议修改为支持小数的版本，同时处理可能的NaN值：

# 支持提取整数和小数的正则，转换为float后填充NaN为0（根据业务需求调整）
df.iloc[:,9:33] = df.iloc[:,9:33].apply(
    lambda x: x.str.extract('(\d+\.?\d*)', expand=False).astype(float).fillna(0)
)

转换完成后，可以检查数据类型和缺失值情况：

# 查看列类型
print(df.iloc[:,9:33].dtypes)
# 查看缺失值数量
print(df.iloc[:,9:33].isna().sum())

第三步：正确执行求和操作 #

确认列存在且类型正确后，执行求和：

if 'Total' in df.columns:
    # 默认skipna=True会自动忽略NaN，也可以明确指定
    amount = df['Total'].sum(skipna=True)
    print(amount)
else:
    print("提示：未找到'Total'列，请检查列名是否正确")

内容的提问来源于stack exchange，提问作者okl