如何在保留首列文本列的同时移除DataFrame中的全零列？

嘿，这个需求太常见了，尤其是处理大宽表的时候！我给你几个直接能用的pandas方案，完美适配你的场景——保留文本类型的第一列，删掉其他所有全是0的数值列：

方案1：拆分+筛选+合并（直观易懂） #

先把第一列单独提出来，再筛选出非全零的数值列，最后合并回去，逻辑清晰，新手也能快速理解：

import pandas as pd

# 提取第一列（文本列）
first_column = DC5_prod.iloc[:, 0]
# 筛选出除第一列外，至少有一个非零值的列
non_zero_numeric_cols = DC5_prod.iloc[:, 1:].loc[:, (DC5_prod.iloc[:, 1:] != 0).any(axis=0)]
# 合并得到清理后的DataFrame
cleaned_DC5 = pd.concat([first_column, non_zero_numeric_cols], axis=1)

这里的核心逻辑是(DC5_prod.iloc[:,1:] != 0).any(axis=0)：它会遍历每一列，检查是否存在至少一个非零值，返回的布尔数组刚好可以用来筛选我们需要保留的数值列。

方案2：单步筛选（更简洁） #

如果想少写几行代码，也可以直接用布尔掩码一次性筛选所有需要保留的列：

# 构建筛选掩码：要么是第一列，要么是不全为0的数值列
keep_mask = (DC5_prod.columns == DC5_prod.columns[0]) | ~(DC5_prod.iloc[:, 1:] == 0).all(axis=0)
# 直接筛选得到结果
cleaned_DC5 = DC5_prod.loc[:, keep_mask]

这里用~(DC5_prod.iloc[:,1:] ==0).all(axis=0)取反，意思是“不是全为0的列”，再和第一列的条件做或运算，就能精准保留我们要的列。

小提示 #

如果你的数值列偶尔有非数值类型混入（比如字符串），可以先把它们转成数值类型，避免筛选出错：

# 把除第一列外的列转成数值，无法转换的会变成NaN（你可以根据需求处理NaN）
DC5_prod.iloc[:, 1:] = DC5_prod.iloc[:, 1:].apply(pd.to_numeric, errors='coerce')

内容的提问来源于stack exchange，提问作者Franchise