python中all函数的用法_Python pandas.DataFrame.all函数方法的使用

DataFrame.all(axis=0, bool_only=None, skipna=True, level=None, **kwargs)[source]

返回是否所有元素都为真(可能在轴上)。

返回True，除非在一个series中或沿着Dataframe轴至少有一个元素是假的或等效的(例如zero 或 empty)。

参数:axis : {0 或 ‘index’, 1 或 ‘columns’, None}, 默认 0

指出哪个轴或哪个轴应该减少。

0 / ‘index’ : 减少索引，返回索引为原始列标签的Series。

1 / ‘columns’ : 减少列，返回一个索引为原始索引的Series。

None : 减少所有轴，返回一个标量。

bool_only: bool, 默认None

只包含布尔列。如果没有，将尝试使用一切，

然后只使用布尔数据。不适用于Series。

skipna : bool, 默认 True

排除NA/null值。如果整个row/column为NA，

并且skipna为True，那么对于空row/column，

结果将为True。如果skipna是False，

那么NA就被当作True，因为它们不等于零。

level : int 或 level name, 默认 None

如果轴是一个多索引(层次结构)，

则沿着特定的level进行计数，并折叠成一个Series。

**kwargs : any, 默认 None

附加关键字没有效果，但是可以接受与NumPy兼容。

返回:Series 或 DataFrame

如果指定了level，则返回DataFrame;否则，返回Series。

例子，

Series>>> pd.Series([True, True]).all()

True

>>> pd.Series([True, False]).all()

False

>>> pd.Series([]).all()

True

>>> pd.Series([np.nan]).all()

True

>>> pd.Series([np.nan]).all(skipna=False)

True

DataFrames

1)从字典中创建一个dataframe。>>> df = pd.DataFrame({'col1': [True, True], 'col2': [True, False]})

>>> df

col1 col2

0 True True

1 True False

2)默认行为检查列值是否都返回True>>> df.all()

col1 True

col2 False

dtype: bool

3)指定axis='columns'，检查行方向的值是否都返回True>>> df.all(axis='columns')

0 True

1 False

dtype: bool

4)或者axis=None，表示是否每个值都为True>>> df.all(axis=None)

False