您可以使用all检查整行或整列是否为True：

In [11]: df = pd.DataFrame(np.random.randn(10, 3))

In [12]: df
Out[12]:
          0         1         2
0 -1.003735  0.792479  0.787538
1 -2.056750 -1.508980  0.676378
2  1.355528  0.307063  0.369505
3  1.201093  0.994041 -1.169323
4 -0.305359  0.044360 -0.085346
5 -0.684149 -0.482129 -0.598155
6  1.795011  1.231198 -0.465683
7 -0.632216 -0.075575  0.812735
8 -0.479523 -1.900072 -0.966430
9 -1.441645 -1.189408  1.338681

In [13]: (df > 0).all(1)
Out[13]:
0    False
1    False
2     True
3    False
4    False
5    False
6    False
7    False
8    False
9    False
dtype: bool

In [14]: df[(df > 0).all(1)]
Out[14]:
          0         1         2
2  1.355528  0.307063  0.369505

如果只想查看列的子集，例如[0, 1]：

In [15]: df[(df[[0, 1]] > 0).all(1)]
Out[15]:
          0         1         2
2  1.355528  0.307063  0.369505
3  1.201093  0.994041 -1.169323
6  1.795011  1.231198 -0.465683

您可以循环访问列名

for cols in data.columns.tolist()[1:]:
    data = data.ix[data[cols] > 0]

要在数据框中使用and语句，只需使用一个&字符，并用括号分隔每个条件。
例如：

data = data[(data['col1']>0) & (data['valuecol2']>0) & (data['valuecol3']>0)]

如果要检查相邻列组的值，例如从第二列到第十列：

df[(df.ix[:,2:10] > 0).all(1)]

也可以使用范围

df[(df.ix[:,range(1,10,3)] > 0).all(1)]

和自己的索引列表

mylist=[1,2,4,8]
df[(df.ix[:, mylist] > 0).all(1)]

import pandas as pd
df = pd.read_csv('Dataset/data.csv')
df_new = df[(df['Quantity'] < 0)]
df_new
df_new['Quantity1'] = df.Quantity
df_new.shape