我明白你现在的需求啦——你已经能定位到包含负值的列，但还想把这些列里对应有负值的行也完整打印出来，对吧？其实你的代码已经有不错的基础了，只需要调整处理过滤后数据的部分，甚至还能加上行号让你更清楚具体位置，我来给你捋捋怎么改。

首先，你的现有代码里，filtered_df其实就是当前列中所有包含负值的行数据，只是你没把它打印出来而已。另外，为了更精准定位Excel里的行，我们可以给Polars DataFrame加上行号索引，这样能直接对应到Excel里的行位置（注意行号从0开始，如果你需要和Excel的1起始行对应，可以在with_row_index里加offset=1）。

下面是修改后的完整代码，我加了注释说明调整的地方：

import pandas as pd
import polars as pl

book = r"filename.xlsx"
pd_df = pd.read_excel(book, sheet_name='sheet_name')
# 添加行号列，offset=1让行号从1开始，和Excel默认行号一致
df = pl.from_pandas(pd_df).with_row_index(name="行号", offset=1)

negative_values = False
for col in df.columns:
    # 跳过我们手动添加的行号列，避免无意义的检查
    if col == "行号":
        continue
    # 简化类型判断的写法，用in来匹配多个类型
    if df[col].dtype in (pl.Float64, pl.Int64):
        filtered_df = df.filter(pl.col(col) < 0)
        if filtered_df.height > 0:
            negative_values = True
            print(f"✅ 发现负值的列：{col}")
            print("👇 对应的行数据（包含行号方便定位）：")
            print(filtered_df)
            # 如果你只想看行号和当前有负值的列，也可以用下面这句替代上面的print(filtered_df)
            # print(filtered_df.select(["行号", col]))
            print("-" * 60)  # 分隔线让输出更清晰

if not negative_values:
    print("No negative values found in the DataFrame.")

如果你觉得循环列的方式不够高效，尤其是数据量很大的时候，还可以用Polars的向量化操作一次性找出所有有负值的行，不用逐列循环，效率会更高：

import pandas as pd
import polars as pl

book = r"filename.xlsx"
pd_df = pd.read_excel(book, sheet_name='sheet_name')
df = pl.from_pandas(pd_df).with_row_index(name="行号", offset=1)

# 自动筛选出所有数值类型的列，不用手动指定
numeric_cols = df.select(pl.col(pl.NUMERIC_DTYPES)).columns

# 生成一个布尔掩码，标记每个数值列的负值位置
negative_mask = df.select(pl.col(numeric_cols) < 0)
# 结合原数据和掩码，筛选出任意数值列有负值的行
all_negative_rows = df.with_columns(negative_mask).filter(
    pl.any(pl.col(numeric_cols))
)

if not all_negative_rows.is_empty():
    print("📊 所有包含负值的行数据：")
    print(all_negative_rows)
else:
    print("No negative values found in the DataFrame.")

这样不管有多少列有负值，都能一次性把所有相关行找出来，Polars的向量化操作在处理大数据集时比循环列快很多哦。

备注：内容来源于stack exchange，提问作者Leafy