如何筛选pandas DataFrame中所有数值列取值均为0的行

最优实现方案 #

不需要手动拼接20个列的查询条件，用pandas内置的批量判断逻辑即可实现，代码简洁且易维护。

方案1：按数据类型自动识别要校验的数值列 #

如果所有需要校验的列都是数值类型（整数、浮点数），且不存在其他不需要校验的数值类分类列（比如userId是整数但不需要校验的话不要用这个方案），可以直接用select_dtypes自动筛选数值列：

# 筛选所有数值列，判断每行所有值都为0
mask = df.select_dtypes(include=['int', 'float']).eq(0).all(axis=1)
# 保留符合条件的行
result = df[mask]

方案2：手动指定要校验的数值列范围（更推荐，避免误判） #

如果存在userId这类不需要校验的数值类型列，或者数值列有统一命名规则，可以先筛选目标列再判断：

# 方式A：如果数值列有统一前缀，直接按列名规则筛选
numeric_cols = [col for col in df.columns if col.startswith('numericColumn')]
# 方式B：也可以手动列出来所有要校验的数值列
# numeric_cols = ['numericColumn1', 'numericColumn2', 'numericColumn3', ...]

# 判断目标列每行所有值都为0
mask = df[numeric_cols].eq(0).all(axis=1)
result = df[mask]

逻辑说明 #

• eq(0)：会对选中的所有列的每个元素判断是否等于0，返回相同形状的布尔值DataFrame
• all(axis=1)：对每一行的布尔值做与运算，只有该行所有值都是True（即所有目标列都为0）时才返回True
  两种方案不管有多少个数值列都可以正常运行，不需要手动修改逻辑，比拼接query条件的可维护性高很多。

内容的提问来源于stack exchange，提问作者usernameistaken777