Python(Pandas)过滤大型数据框架并写入多个csv文件

I have this following data frame, I'm constructing a Python function(to use it in Labview) that basically only does: data pair & data cleaning.

数据框架是这样的。

我需要pandas单独挑出每一列（除了'Date'），并与 'Date' （自定义索引）配对，然后再分别写入单个CSV文件中。我需要确保压力列的数据不包含任何 '0' 的数字，而对于每个温度列，等于 0 or bigger than 150 的数据将被过滤掉。

下面是我的Python函数，参数 x1 and x2 将通过LabVIEW输入，指定一个用户选择的 "日期范围"。

def data_slice(x1, x2):
    import pandas as pd
    df = pd.read_csv('exp_log.csv')
    df.set_index('Date', inplace=True)
    df_p = df.loc[x1:x2, 'Pressure']
    filt = (df_p['Pressure'] == 0)
    df_p = df_p.loc[~filt]
    df_p.to_csv('modified_pressure.csv', index=True)
    all_cols = list(df.columns)
    temp_cols = all_cols[1:]
    for i in temp_cols:
        df_i = df.loc[x1:x2, 'i']
        filt = (df_i > 150) | (df_i == 0)
        df_i = df_i.loc[~filt]
    df_i.to_csv(f'modified_temp{i}.csv', index=True)
我的问题是：....，这段Python代码是否真的能正常工作？也就是说，是否能有效地写出单个CSV文件？鉴于实际的exp_log.csv文件是一个超级大的文件，包含了几天的数据记录....