基于Pandas DataFrame不同列不同数据类型的条件判断问题

你的代码核心错误在于遍历逻辑完全错误：

• 循环取的是df['login']的单个数值i，但后续判断i in df['operatingsystem'].str.lower().str.contains("server")根本不成立——i是整数，而str.contains返回的是布尔值组成的Series（每行对应一个True/False），整数不可能匹配到布尔值里，所以永远走else分支，导致servercount始终为0。

方案1：按行遍历（保留循环逻辑） #

直接遍历DataFrame的行，同时获取每行的login和operatingsystem值：

import pandas as pd

servercount = 0
othercount = 0

df = pd.DataFrame({
    'operatingsystem': ['Windows 7', 'Windows Server 2012', 'Windows Server 2012 R', 
                'macOSX', 'Linux Server'],
    'login': [9, 12, 5, 11, 19],
})

# 按行遍历，同时获取每行的login和操作系统值
for _, row in df.iterrows():
    login_num = row['login']
    os_name = row['operatingsystem']
    if login_num > 10:
        if 'server' in os_name.lower():
            servercount += 1
        else:
            othercount += 1

print("Servers:", servercount, "\nOthers:", othercount)

运行结果：

Servers: 2 
Others: 1

（符合预期：login>10的行共3行，其中2行操作系统包含server，1行是macOSX）

方案2：用Pandas向量化操作（更高效，推荐） #

Pandas不推荐逐行循环，向量化操作在大数据集下性能优势明显，代码也更简洁：

import pandas as pd

df = pd.DataFrame({
    'operatingsystem': ['Windows 7', 'Windows Server 2012', 'Windows Server 2012 R', 
                'macOSX', 'Linux Server'],
    'login': [9, 12, 5, 11, 19],
})

# 先筛选出login>10的行
filtered_rows = df[df['login'] > 10]
# 统计包含server的行数（布尔值求和会把True算1，False算0）
servercount = filtered_rows['operatingsystem'].str.lower().str.contains('server').sum()
# 其他数量=筛选后总行数 - server数量
othercount = len(filtered_rows) - servercount

print("Servers:", servercount, "\nOthers:", othercount)

运行结果和方案1一致。

内容的提问来源于stack exchange，提问作者Harry