顾名思义,any()一个序列中满足一个True,则返回True;all()一个序列中所有值为True时,返回True,否则为False。这点可从 Series 的any()和all()的例子中看出。
>>>pd.Series([False, False]).any()
False
>>>pd.Series([True, False]).any()
True
>>>pd.Series([]).any()
False
>>>pd.Series([np.nan]).any()
False
>>>pd.Series([np.nan]).any(skipna=False)
True
1、pandas.DataFrame.any()
DataFrame.any
(self, axis=0, bool_only=None, skipna=True, level=None, **kwargs)
- axis:0为行(index),1为列(columns),默认为0
- bool_only:用于是否只利用序列中的Boolean值进行判断
- skipna,是否跳过NA/null值
- return 一个series或DataFrame
>>> df = pd.DataFrame({"A": [1, 2], "B": [0, 2], "C": [0, 0]})
>>> df.any()
A True
B True
C False
dtype: bool
>>> df.any(1)
0 True
1 True
dtype: bool
>>> df.any('columns')
0 True
1 True
dtype: bool
>>> df.any(axis=None)
True
2、pandas.DataFrame.all()
DataFrame.all
(self, axis=0, bool_only=None, skipna=True, level=None, **kwargs)
参数与any()一致
#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
#DataFrame
>>> df = pd.DataFrame({'col1': [True, True], 'col2': [True, False]})
>>> df
col1 col2
0 True True
1 True False
>>> df.all()
col1 True
col2 False
dtype: bool
>>> df.all(1)
0 True
1 False
dtype: bool
>>> df.all(axis=None)
False
1 Comment
Anonymous · 2020年11月25日 at 17:23
??