Python 如何从dataframe中选择平均值大于某个限制的列？

我有一个多栏的数据框。每列都是某个变量的时间序列。我只想选取某些度量意义重大的列，也就是说，我想为每一列选取列的子集s.t

所有行的平均值大于x，或 所有行的最大值都大于x

i | col1 | col2 | col3 |

0 | 0.1 | 0.5.|0.3. | ....

1.09 | 0.4 | 0.4 |

2 |.08 |.45 |.36 |

比方说，从上表中，我只想选择条件为column_avg>0.2的[col2，col3]

或者，仅col2，条件为：column_avg>.4

---

类似地，如果您想得到平均值超过的每一列，则不要以平均值为条件，而是以每一列的最小值或最大值为条件。4：

用max替换df.max的df.mean

---

请告诉我这里是否有需要解释的地方。

如果您想得到平均值超过的每一列。4：

用max替换df.max的df.mean

如果这里有什么需要解释的，请告诉我。

试试这个：

df2 = df[df.columns[df.mean(axis=0) > 0.2]]
df3 = df[df.columns[df.max(axis=0) > 0.4]]

df.min的工作原理与此相同。

尝试以下方法：

df2 = df[df.columns[df.mean(axis=0) > 0.2]]
df3 = df[df.columns[df.max(axis=0) > 0.4]]

---

df.min的工作方式相同。

x对所有列都相同？是。所有列的条件都相同。所有列的x都相同？是。所有列的条件都相同。为什么不直接使用df2=df.loc[：，df.meanaxis=0>0.2]？我认为它比使用df.columns更简单为什么不使用df2=df.loc[：，df.meanaxis=0>0.2]？我认为这比使用df列更简单