多表头DataFrame行过滤与bit单位列删除实现问题求助

嗨，看起来你碰到了pandas多级表头的典型坑——单表头下的逻辑没法直接套用到多级表头上，这太正常了。咱们先搞清楚为啥步骤3和4没法兼容，然后把代码改好让它们都能正常工作。

首先说步骤3的问题：你原来写的data[(data.TMOD1 == 0) & (data.TMOD2 == 0) & ...]在单表头下没问题，但在多级表头里，data.TMOD1返回的是所有第一级列名为TMOD1的列组成的子DataFrame，不是单个列。这时候用==0会得到一个布尔值的DataFrame，直接用&拼接要么维度不匹配报错，要么逻辑根本不符合你要的「所有TMOD列值都为0」的需求。

那怎么正确实现步骤3呢？我们需要明确针对多级表头的第一级列名来筛选，然后检查这些列的每行是否全为0，这里有两种常用的写法：

写法1：用列表推导式筛选目标列 #

# 先找出所有第一级列名是TMOD1/TMOD2/TMOD3/TMOD4的列
tmod_cols = [col for col in data.columns if col[0] in ['TMOD1', 'TMOD2', 'TMOD3', 'TMOD4']]
# 保留这些列全部为0的行（all(axis=1)表示每行的所有目标列都满足条件）
data = data[data[tmod_cols].all(axis=1)]

写法2：用pd.IndexSlice更优雅地索引多级列 #

如果觉得列表推导式不够简洁，可以用pandas提供的IndexSlice来直接切片多级列：

import pandas as pd
# 直接选取第一级为目标名称的所有列，然后检查每行是否全为0
data = data[data.loc[:, pd.IndexSlice[['TMOD1', 'TMOD2', 'TMOD3', 'TMOD4'], :]].all(axis=1)]

然后说步骤4：你原来的代码data.drop(labels='bit', axis=1, level=1, inplace=True)本身是对的，但要注意执行顺序。如果你的TMOD列里有单位是bit的，先执行步骤4会把这些列删掉，可能导致步骤3的筛选逻辑缺失数据。建议先执行步骤3筛选行，再执行步骤4删除bit单位的列，这样更符合你的需求逻辑。

最后把步骤2到6的完整代码整合一下，确保逻辑通顺：

# 步骤2：读取CSV为多级表头DataFrame
# 注意：CSV行索引从0开始，第2行对应索引1，第3行对应索引2，所以header=[1,2]
data = pd.read_csv('your_csv_file.csv', header=[1, 2])

# 步骤3：保留TMOD1-TMOD4列值均为0的行
tmod_cols = [col for col in data.columns if col[0] in ['TMOD1', 'TMOD2', 'TMOD3', 'TMOD4']]
data = data[data[tmod_cols].all(axis=1)]

# 步骤4：删除所有单位为bit的列（第二级表头为'bit'）
data.drop(labels='bit', axis=1, level=1, inplace=True)

# 步骤5：删除含10个以上NaN值的行
data = data[data.isna().sum(axis=1) <= 10]

# 步骤6：追加至result（注意result要先初始化，比如result = pd.DataFrame()）
result = pd.concat([result, data], ignore_index=True)

额外提醒一下：

• 确保pd.read_csv的header参数设置正确，这是生成多级表头的关键，如果你的CSV第一行是无关内容，第2行是参数名，第3行是单位，那header=[1,2]就对了。
• 如果某个TMOD参数对应多个不同单位的列，而你只需要其中某一个单位的列满足0，可以调整列筛选逻辑，比如col[0] == 'TMOD1' and col[1] == '你的目标单位'。

内容的提问来源于stack exchange，提问作者C. Browne