Pandas all()

import pandas as pd

data = {'A': [True, True, True, True],
             'B': [True, False, True, True]}

df = pd.DataFrame(data)

# check if all values in column 'A' are True
result = df['A'].all()

print(result)  

# Output: True

all() 语法

Pandas 中 all() 方法的语法是：

df.all(axis=0, bool_only=None, skipna=True, **kwargs)

all() 参数

all() 方法接受以下参数：

• axis (可选) - 指定应用操作的轴。
• skipna (可选) - 确定在评估条件时是否跳过缺失值。
• **kwargs (可选) - 可以传递给函数的其他关键字参数。

all() 返回值

all() 方法返回一个布尔值，指示所有元素是否都满足指定条件。

示例 1：使用 all() 检查列中的所有值是否满足条件

import pandas as pd

# create a DataFrame
data = {'A': [10, 20, 30, 40, 50]}
df = pd.DataFrame(data)

# check if all values in column A are greater than 0
condition = (df['A'] > 0).all()

if condition:
    print("All values in column 'A' are greater than 0.")
else:
    print("Not all values in column 'A' are greater than 0.")

输出

All values in column 'A' are greater than 0.

在上面的示例中，我们首先创建了具有名为 A 的列的 df DataFrame。

然后，我们使用 all() 方法和条件 df['A'] > 0 来检查列 A 中的所有值是否都大于 0。

由于所有值都满足条件，因此 all() 方法返回 True。

示例 2：使用 all() 沿不同轴检查条件

import pandas as pd

data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8]}
df = pd.DataFrame(data)

# check if all elements in each column are greater than 2
result_axis_0 = (df > 2).all(axis=0)

print("All elements in each column greater than 2:")
print(result_axis_0)
print()

# check if all elements in each row are greater than 2
result_axis_1 = (df > 2).all(axis=1)

print("\nAll elements in each row greater than 2:")
print(result_axis_1)

输出

All elements in each column greater than 2:
A    False
B     True
dtype: bool

All elements in each row greater than 2:
0    False
1    False
2     True
3     True
dtype: bool

在这里，我们分别使用 axis=0 检查列中的所有元素是否都大于 2，并使用 axis=1 检查行中的所有元素是否都大于 2。

示例 3：skipna 参数在 all() 中的作用

import pandas as pd

data = {'A': [True, True, None, True],
        'B': [True, None, True, True]}
df = pd.DataFrame(data)

# check if all values in column A are True, without skipping missing values
result_skipna_false = df['A'].all(skipna=False)

print("Without skipping NA values:", result_skipna_false)

# check if all values in column B are True, with skipping missing values
result_skipna_true = df['B'].all(skipna=True)

print("Skipping NA values:", result_skipna_true)

输出

Without skipping NA values: False
Skipping NA values: True

在此示例中，

• 使用 skipna=False，我们检查列 A 中的所有值是否为 True，而不忽略缺失值。
• 使用 skipna=True（默认行为），我们检查列 B 中的所有非缺失值是否为 True，从而有效地忽略了缺失值。