pandas如何查找指定行（索引d）值为0的对应列并输出全量数据

实现该需求不需要逐列循环遍历，核心逻辑是先生成列维度的布尔筛选掩码，再用掩码提取所有符合条件的列、保留全部行数据，筛选过程只参考指定行的列值，不影响其他行的数据保留状态。

可直接运行的实现步骤 #

1. 首先复现你的原始DataFrame结构

   import pandas as pd
   
   # 构造和示例一致的原始数据
   data = {
       "col_A": [12, 23, 34, 12],
       "col_B": [15, 37, 32, 0],
       "col_C": [28, 46, 24, 1],
       "col_D": [34, 34, 93, 0],
       "col_E": [23, 92, 12, 0]
   }
   df = pd.DataFrame(data, index=["a", "b", "c", "d"])
   

2. 生成筛选掩码：定位索引为d的整行，逐列判断值是否等于0

   # 得到的col_mask是布尔Series，值为True的列就是需要保留的列
   col_mask = df.loc["d"] == 0
   

3. 用掩码完成列维度筛选，保留所有行

   result = df.loc[:, col_mask]
   

运行结果 #

执行完上述代码后，result的结构和你预期的输出完全一致：

col_B  col_D  col_E
a     15     34     23
b     37     34     92
c     32     93     12
d      0      0      0

常见适配场景 #

• 如果行标识不是pandas自带的行索引，而是存储在普通列中（比如有个叫row_id的列存了a/b/c/d的标识），只需要调整掩码的生成逻辑：先定位到标识为d的行，再做零值判断即可，代码为col_mask = df.loc[df["row_id"] == "d"].squeeze() == 0，后续筛选逻辑保持不变。
• 该方法是通用模式：不管筛选条件是零值、大于阈值还是其他判断规则，只需要替换掩码生成时的判断表达式即可，不需要改动筛选的核心逻辑。

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