对数据框列求和会产生意外的输出

是因为数据框中可能存在缺失值（NaN）或非数值类型的数据。在进行求和操作时，缺失值会被视为0进行计算，而非数值类型的数据无法进行求和运算，会导致输出结果不符合预期。

为了避免这种情况，可以在进行求和操作之前先进行数据清洗和处理。以下是一些常见的处理方法：

1. 检查数据框中是否存在缺失值：可以使用isnull()函数或者sum()函数结合isnull()函数来检查每列是否存在缺失值。如果存在缺失值，可以选择删除含有缺失值的行或者使用填充方法（如均值、中位数、众数）进行填充。
2. 检查数据框中是否存在非数值类型的数据：可以使用dtypes属性来查看每列的数据类型。如果存在非数值类型的数据，可以选择将其转换为数值类型（如int、float）或者排除这些列进行求和操作。
3. 使用特定的求和函数：一些编程语言或库提供了特定的求和函数，可以处理缺失值和非数值类型的数据。例如，在Python的pandas库中，可以使用sum()函数的skipna参数来控制是否跳过缺失值，默认为True。
4. 使用条件筛选：如果只需要对某些特定的数值列进行求和，可以使用条件筛选来选择需要的列，然后再进行求和操作。这样可以避免对非数值列或含有缺失值的列进行求和。

总之，在进行数据框列求和操作时，需要注意数据的完整性和类型的一致性，以确保输出结果的准确性和符合预期。