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 : 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 : 排除NA/null值。如果整个row/column为NA, 并且skipna为 结果将为 那么NA就被当作 level : int 或 level name, 默认 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 **kwargs : any, 默认 None 附加关键字没有效果,但是可以接受与 |
返回: |
如果指定了level,则返回 |
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