如何在Pandas中正确实现多列数据的条件过滤？

多列批量过滤0值的实现方案 #

你可以直接通过pandas的按行布尔判断实现一次性过滤，不需要逐列操作，也不需要用iloc修改值，具体实现如下：

import pandas as pd

# 读取本地数据集文件
df = pd.read_csv("你的本地数据集路径.csv")

# 提取除Outcome外的所有特征列名
feature_cols = df.columns.drop("Outcome")
# 生成行掩码：只有当前行所有特征列都没有0值时才为True
row_mask = (df[feature_cols] != 0).all(axis=1)
# 过滤得到符合要求的结果
filtered_df = df[row_mask]

常见结果不一致原因说明

你之前多列过滤得到不同行数，基本是逻辑判断用错导致的：

• 如果用any(axis=1)或者|（或）逻辑，规则变为只要有一列不为0就保留，会得到行数更多的652条结果
• 用all(axis=1)或者&（且）逻辑，规则才是你需要的所有列都不为0才保留，最终得到429条结果，符合过滤要求

你可以用下面的代码验证过滤结果是否正确：

# 统计过滤后特征列的0值总数，返回全0则代表过滤成功
print(filtered_df[feature_cols].isin([0]).sum())

内容的提问来源于stack exchange，提问作者Madman