对于这种类型的工作，我建议使用pandas，但是

import csv
sales = []
with open('sales.csv') as f:
    reader  = csv.DictReader(f)
    for row in reader:
        val = float(row['sales'])  # convert to a number; use int() if you don't have decimals
        sales.append(val)
print(sum(sales))

我建议您考虑将所有数据类型转换作为一个步骤，然后处理数据：

import csv
import decimal  # You should generally use decimal instead of float for currency

sales_records = []
with open('sales.csv') as sales_file:
    sales_reader = csv.DictReader(sales_file)
    for row in sales_reader:
        typed_record = {
            'label': row['label'],  # for example
            'sales': int(row['sales']),
            'price': decimal.Decimal(row['price']),  # for example
        }
        sales_records.append(typed_record)

sales_total = sum([record['sales'] for record in sales_records])
price_total = sum([record['price'] for record in sales_records])

更新：添加以下逐行细分：
导入一些我们需要的包：

import csv
import decimal

创建一个空列表来保存我们的记录：

sales_records = []

使用“上下文管理器”打开文件，以确保当我们完成它时它是关闭的（这对我们的计算机和程序的其余部分很好）

with open('sales.csv') as sales_file:
    ... # everything indented inside this "with" is while the file is open

创建一个csv阅读器，它将文件中的行作为字典而不是一个长字符串：

sales_reader = csv.DictReader(sales_file)

遍历文件的行字典，一次一个：

for row in sales_reader:
    ... # everything here applies to a single row

为每一行创建一个新的字典（称为typed_record）

typed_record = {
   ... # keys and values for the dictionary here as 'key': value,
}

在我们的行中取一个名为“label”的列，并将其直接放入新字典：

'label': row['label'],

在我们的行中取一个名为“sales”的列，将其转换为int并将其放入新字典中：

'sales': int(row['sales']),

在我们的行中取一个名为“price”的列，将其转换为Decimal并将其放入新字典中：

'price': decimal.Decimal(row['price']),

将新字典添加到我们的所有记录列表中：

sales_records.append(typed_record)

最后两行，一次做两件事：
首先，将字典记录列表转换为只有一个值的列表（这在Python中称为“列表解析”，是一个非常强大的工具：

[record['sales'] for record in sales_records]]

然后，我们总结所有这些值：

sales_total=sum(...)