numpy二维数组按行联合条件截断筛选的优雅实现方法

你要的功能用NumPy原生方法一行就能实现，不需要转成DataFrame。
核心思路是先做逐元素的大小比较，再用all()方法沿行维度做聚合判断，筛选出所有元素都满足条件的行。

完整代码示例 #

import numpy as np

# 构造测试数组
arr = np.array([
    [-1.00, 1.00],
    [-2.00, 2.00],
    [2.00, 3.00],
    [1.00, 3.00],
    [-4.00, -3.00]
])

# 核心筛选逻辑：仅保留所有元素都>=1的行
filtered_arr = arr[(arr >= 1).all(axis=1)]

运行后filtered_arr的结果和预期完全一致：

array([[2., 3.],
       [1., 3.]])

逻辑拆解 #

1. arr >= 1 生成和原数组形状完全相同的布尔数组，每个位置的值对应原数组对应位置元素是否满足大于等于1的要求
2. 调用.all(axis=1)，指定沿列维度聚合布尔结果：只有当某一行所有位置的布尔值都为True时，该行对应的聚合结果才为True，最终得到长度等于原数组行数的一维布尔掩码
3. 用这个布尔掩码索引原数组，就可以直接提取所有符合条件的行

如果后续需要筛选任意元素满足条件的行，把all替换成any即可。

内容的提问来源于stack exchange，提问作者edlim