pandas DataFrame如何通过单行代码筛选全列值为正的行

首先明确结论：面对列数不固定的DataFrame，完全可以通过单行代码完成“仅保留所有列取值都满足指定条件”的行筛选，完全不需要逐列循环遍历。

实现原理 #

pandas支持直接对整个DataFrame做批量向量化计算：先对全表所有元素统一判断是否满足指定条件，生成和原表结构完全一致的布尔值DataFrame；再通过all()方法沿行方向聚合，只要某一行存在任意一个不满足条件的元素，整行就会被标记为不通过筛选，最终得到的一维布尔序列可以直接用于.loc的行索引操作。
这套逻辑不依赖固定列数，哪怕后续新增、删除列，只要筛选规则是“所有列满足同一判断标准”，代码都不需要调整。

典型场景代码 #

以“筛选所有列数值均为正数的行”的需求为例，单行实现代码为：

filtered_df = df.loc[(df > 0).all(axis=1), :]

逐列循环写法的常见问题 #

你当前采用的逐列遍历方式存在两个明显缺陷：

• 性能差距大：循环过程中会反复对DataFrame执行切片索引操作，数据量较大时，执行速度远低于底层基于numpy的向量化计算
• 容易出bug：你提供的参考代码本身就存在变量名不一致的问题——循环遍历的是df的列，但判断条件里引用的是flow_df，很容易引发运行报错，或是筛选结果和预期不符

可灵活适配的常见写法 #

因为核心逻辑是“先全表判断、再按行聚合”，可以直接替换条件表达式，适配不同的筛选规则：

• 筛选所有列取值都大于等于10的行

  filtered_df = df.loc[(df >= 10).all(axis=1), :]
  

• 筛选所有列取值都不存在空值的行

  filtered_df = df.loc[df.notna().all(axis=1), :]
  

• 筛选所有列取值都属于指定枚举集合的行

  filtered_df = df.loc[df.isin([1, 2, 3]).all(axis=1), :]
  

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