使用Pandas的解决方案：

sum(data[`my_int`].apply(int).to_list())

"我为什么这么说"
df1：

my_int
9220426963983292163
5657924282683240

df2：

my_int
9220426963983292163
5657924282683240
11111111111111111111111111111111111111111111111111111111111111111111111111

令S1和S2分别表示df1和df2中的列my_int中的元素的总和：

S1 = 9226084888265975403
S2 = 11111111111111111111111111111111111111111111111111111120337195999377086514

如果我们查看NumPy on Overflow错误的文档，我们会发现NumPy提供的精度有限：

>>> np.iinfo(int)
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

可表示的最大数小于S1和S2。
该解决方案没有任何问题，并给出正确的总和：

>>> df2['my_int'].sum()
9220426963983292163565792428268324011111111111111111111111111111111111111111111111111111111111111111
>>> 
>>> df2['my_int'].astype(object).sum()
9220426963983292163565792428268324011111111111111111111111111111111111111111111111111111111111111111
>>>
>>> sum(df2['my_int'].apply(int).to_list())
11111111111111111111111111111111111111111111120337195999377086514

编辑：首选sum而非np.sum：

>>> np.sum(df1['my_int'].apply(int).to_list())
>>> -9220659185443576213
>>> sum(df1['my_int'].apply(int).to_list())
>>> 9226084888265975403

my_int列中元素总和的计算来源是Wolfram Alpha：df1，df2

溶液：

df["my_int"].apply(int).astype(object).sum()

apply(int)：避免字符串与大数字串联。
astype(object)：将int64转换为object。