Python 按列中的值筛选多标头DataFrame中的行

我正在构建一个Python脚本来执行以下操作：

在目录中列出CSV

将单个CSV文件读取到DataFrame->“数据”（第2行（参数名称）和第3行（参数单位）定义为标题）

仅当列“TMOD1”、“TMOD2”、“TMOD3”和“TMOD4”中的值为0时才保留行（如果其中一个不是0，则整行必须保留）

用单位“位”删除所有列（->参数）

删除所有具有超过10个“NaN”值的行

将过滤后的数据帧“数据”追加到数据帧“结果”

对所有CSV文件重复步骤2-7

将生成的数据帧“结果”保存为新的CSV文件

我被困在如何实施步骤3和步骤4，其他一切都很好

我尝试了以下步骤3：

data = data[(data.TMOD1 == 0) & (data.TMOD2 == 0) & (data.TMOD3 == 0) & (data.TMOD4 == 0)]

对于步骤4，请执行以下操作：

data.drop(labels='bit', axis=1, level=1, inplace=True)

当省略步骤3并使用多标题行数据帧时，步骤4可以完美地工作

然而，步骤3仅在切换到单个标题行数据帧时有效-在这种情况下，步骤4显然不起作用

我想我打错了正确的标题级别

data = data[(data['TMOD1']['bit'] == 0) & (data['TMOD2']['bit'] == 0) & (data['TMOD3']['bit'] == 0) & (data['TMOD4']['bit'] == 0)]

似乎有效。我昨天试的时候不知道为什么不行

---

是否有可能将第二个标签（“bit”）留空？原始数据中的标签有时会有所不同（例如“位”、“位”或“无单位”）。

什么是

print（df.columns）

？相当多-但这个摘录可能有帮助：print（data.columns）多索引（levels=['TMOD1'、'TMOD2'、（…）'、[（…）'SEC'、'unitless'、'bit'、（…]），labels=[43,73，（…]）]