我尝试复制您得到的相同错误，并得出结论DBP_AUS可能包含非数字数据或缺失值（NaN），这会在执行算术运算时导致问题。
要诊断此问题，您可以使用以下命令验证“DBP_AUS”列中的数据类型和NaN值是否存在：

print(df['DBP_AUS'].dtype)

字符串
如果上述代码的输出是object或

print(df['DBP_AUS'].isnull().sum())

型
上面代码的输出是1，这意味着数据库中有一个非数字数据，你正在对其进行数学运算。
因此，在应用上述代码段后，您的代码将看起来像这样：

print(df['DBP_AUS'].dtype) # output of this line will be "object" 

df['COST_AUS'] = df['DBP_AUS'].multiply(1.1).round()

型

删除千位分隔符后，尝试将列转换为数字：

df['COST_AUS'] = df['DBP_AUS'].str.replace(r',', '').astype(float).mul(1.1).round()
print(df)

# Output
    DBP_AUS  COST_AUS
0  1,159.00    1275.0

字符串

非常感谢社区，在一些指导下，我们通过使用以下命令成功地将问题识别为数字格式;
首先要验证列中没有null/NaN或除数字以外的任何内容，

print(df['DBP_AUS'].dtype)
print(df['DBP_AUS'].isnull().sum())

字符串
产出是：

Object
0

型
通过转换字符串添加“.astype（float）"：

df['COST_AUS'] = df['DBP_AUS'].astype(float).multiply(1.1)

型
发现了一个新的错误

ValueError: could not convert string to float: '1,153.00'

型
由于它显示了'1，153.00'，因此对该列进行了格式化，并通过将千位数添加到pd.read.csv中进行了更正

df = pd.read_csv('source', thousands=',')

型

我用最少和可重复的例子来解决问题

import pandas as pd
s = pd.Series([1, 2, '3,000.1'])

字符串
S

0          1
1          2
2    3,000.1
dtype: object

型
运行以下代码：

s.multiply(1.1).round()

型
返回错误

TypeError: can't multiply sequence by non-int of type 'float'

型
因为“3，000.1”不是浮点数。
运行跟随代码

out = s.astype('str').str.replace(',', '').astype('float').multiply(1.1).round()

型
出来

0       1.0
1       2.0
2    3300.0
dtype: float64

型
请检查你的例子的类型，并提供minimal and reproducible example之前，问