如何在Pandas中筛选所有数值列均超阈值的行并保留标识列？

• 核心思路：自动识别数值列，判断每行所有数值列是否都满足阈值条件，再筛选原表
• 解决代码（通用版，适配任意数量列）：

import pandas as pd

# 示例数据
data = {
    'City': ['A', 'B', 'C', 'D'],
    'Temp': [8, 12, 15, 11],
    'Humidity': [9, 13, 14, 10],
    'Pressure': [10, 11, 12, 9]
}
df = pd.DataFrame(data)

threshold = 10
# 1. 自动筛选所有数值类型列，生成行级布尔掩码（每行所有数值列是否都>=阈值）
mask = df.select_dtypes(include=['number']).ge(threshold).all(axis=1)
# 2. 用掩码筛选原DataFrame，保留标识列和符合条件的行
filtered_df = df[mask]

• 关键说明：
  • select_dtypes(include=['number'])：自动匹配所有int、float等数值列，无需手动指定列名或位置，适配109列的场景
  • .ge(threshold)：等价于>= threshold，写法更简洁
  • .all(axis=1)：按行判断所有数值列是否满足条件，这是你之前用.any(1)的核心区别——any是只要有一列满足就保留，all是必须所有列都满足才保留
  • 直接用df.iloc[:,1:] >=10得到的是布尔矩阵，直接筛选会保留原表结构但不符合条件的单元格显示NaN，而用all(axis=1)转成单行布尔值才能正确过滤整行

内容的提问来源于stack exchange，提问作者Sudoh