【Pandas】pandas DataFrame all

Pandas2.2 DataFrame

Computations descriptive stats

方法描述DataFrame.abs()用于返回 DataFrame 中每个元素的绝对值DataFrame.all([axis, bool_only, skipna])用于判断 DataFrame 中是否全部元素在指定轴上都为 True pandas.DataFrame.all()

pandas.DataFrame.all() 方法用于判断 DataFrame 中是否全部元素在指定轴上都为 True。它是举行逻辑“与”操纵的聚合函数，常用于检查数据是否满足某些布尔条件。

---

一、方法签名

1. DataFrame.all(axis=0, bool_only=None, skipna=True)

复制代码

参数说明：

参数范例描述axis{0/‘index’, 1/‘columns’}, 默认 0指定判断方向：0 表现按列判断（返回每列是否全为 True），1 表现按行判断（返回每行是否全为 True）bool_onlybool, 默认 None若为 True，仅思量布尔范例的列；若为 False，则实验将非布尔列转换为布尔值举行判断（如 0 为 False，非零为 True）skipnabool, 默认 True是否跳过 NaN 值。若为 True，NaN 被视为不影响判断；若为 False，含 NaN 的行/列结果为 NaN

---

二、返回值

• 返回一个 Series，表现每一行或每一列是否全部为 True。
  
• 若 axis=0，索引为列名；若 axis=1，索引为行索引。
  

---

三、使用示例及结果

示例1：默认参数（按列判断）

1. import pandas as pd
3. df = pd.DataFrame({
4.     'A': [True, True, True],
5.     'B': [True, False, True],
6.     'C': [1, 2, 3],
7.     'D': [0, 1, 2]
8. })
10. result = df.all()
11. print(result)

复制代码

输出：

1. A     True
2. B    False
3. C     True
4. D    False
5. dtype: bool

复制代码

解释：

• 列 A 全为 True → True
  
• 列 B 含有 False → False
  
• 列 C 非零值都被视为 True → True
  
• 列 D 含有 0 → False
  

---

示例2：按行判断（axis=1）

1. result = df.all(axis=1)
2. print(result)

复制代码

输出：

1. 0     True
2. 1    False
3. 2     True
4. dtype: bool

复制代码

解释：

• 第0行：[True, True, 1, 0] → 全部值为真？True（留意：0 是 False）
  
• 第1行：[True, False, 2, 1] → 包含 False → False
  
• 第2行：[True, True, 3, 2] → 全部为真 → True
  

---

示例3：设置 bool_only=True

1. result = df.all(bool_only=True)
2. print(result)

复制代码

输出：

1. A     True
2. B    False
3. dtype: bool

复制代码

解释：

• 只思量布尔范例列（即列 A 和 B），忽略数值列 C 和 D。
  

---

示例4：设置 skipna=False 并包含 NaN

1. import numpy as np
3. df_with_nan = pd.DataFrame({
4.     'X': [True, np.nan, True],
5.     'Y': [False, True, True]
6. })
8. result = df_with_nan.all(skipna=False)
9. print(result)

复制代码

输出：

1. X       NaN
2. Y     False
3. dtype: object

复制代码

解释：

• 列 X 含有 NaN，且 skipna=False → 结果为 NaN
  
• 列 Y 含有 False → 整体为 False
  

---

四、适用场景

场景描述数据校验检查某列或某行是否全部满足某个布尔条件（如非空、非零等）特征筛选在机器学习中判断某些布尔特征是否全部为 True异常检测检查是否存在 False 值，从而发现异常情况

---

五、留意事项

• 非布尔列会被主动转换为布尔值（如 0 → False，非零 → True）
  
• NaN 值默认被跳过（不影响判断），可通过 skipna=False 改变行为
  
• bool_only=True 时，只作用于布尔范例列，忽略其他范例列
  

---

六、总结

特性描述功能判断 DataFrame 中每个列或行是否全部元素都为 True适用范例布尔列、数值列（主动转换为布尔）NaN 处理处罚默认跳过，可设为 skipna=False 显示 NaN是否修改原数据否，返回新 Series all() 是一个非常实用的逻辑聚合函数，适用于对 DataFrame 举行整体布尔判断和数据校验。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。