Pandas 数据帧all()方法

原文：https://www.studytonight.com/pandas/pandas-dataframe-all-method

在本教程中，我们将学习 Pandas 的DataFrame.all()方法。Pandas DataFrame.all()方法用于检查所有元素在轴上是否为真，并返回真，除非指定对象中至少有一个元素为假。它返回序列或数据帧。

下面显示了 DataFrame.all()方法的语法。

句法

使用这些方法所需的语法如下

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

因素

轴:“0”代表索引，“1”代表列，它指示应该减少哪个轴或哪些轴。如果此参数为“0”，它将减少索引并返回一个其索引为原始列标签的系列。如果此参数为“0”，它将缩小列并返回一个其索引为原始索引的 Series，如果参数为“无”，则它将缩小所有轴并返回一个标量。

bool_only: bool(真或假)，默认值为 None，它只包括布尔列。如果此参数为无，它将尝试使用所有内容，然后仅使用布尔数据。

skipna: bool(真或假)，默认值为 True。它排除所有缺失或空值。

级别:代表 int 或级别名称，默认值为 None。如果轴是一个多索引(分层)，则与特定级别一起计数，折叠成一个系列。

**kwargs: 表示任意，默认为无。附加的关键字没有效果，但可能会被接受以与 NumPy 兼容。

示例:使用DataFrame.all() 方法检查数据帧

下面的例子展示了DataFrame.all() 方法是如何工作的。如果所有值都为真，则返回True，否则返回False。如果有多个列，它将逐列检查。

import pandas as pd
df_1=pd.DataFrame([True,True])
df_2=pd.DataFrame([False,False])
df_3=pd.DataFrame([True,False])
df_4=pd.DataFrame([True,False],[True,False])
print(df_1.all())
print(df_2.all())
print(df_3.all())
print(df_4.all())

一旦我们运行该程序，我们将获得以下输出。

0 true dttype:bool 0 false dttype:bool 0 false dttype:bool 0 false dttype:bool

示例:使用DataFrame.all()方法检查数据帧列

以下示例显示了如何使用DataFrame.all()方法逐列检查数据帧的对象。该函数检查数据帧中该列的所有元素，只有当所有元素都符合条件时才返回True，否则返回False。

import pandas as pd
data = {'A':[1,2,3,4,5],'B':[6,7,8,9,10]}
df = pd.DataFrame(data) 
print(df)
print(all(df['B']>df['A']))
print(all(df['B']<df['A']))

一旦我们运行该程序，我们将获得以下输出。

A B 0 1 6 1 2 7 2 3 8 3 4 9 4 5 10 真 假

示例:使用DataFrame.all()方法检查数据帧列

这个例子类似于前面的例子。在代码中，只需更改数据帧中的任何一个元素并检查输出。

import pandas as pd
data = {'A':[1,2,3,4,5],'B':[6,2,8,9,10]}
df = pd.DataFrame(data) 
print(df)
print(all(df['B']>df['A']))
print(all(df['B']<df['A']))

一旦我们运行该程序，我们将获得以下输出。

A B 0 1 6 1 2 2 2 3 8 3 4 9 4 5 10 假 假

结论

在本教程中，我们学习了如何使用 PythonPandas 的DataFrame.all()方法。我们通过在 DataFrame 上应用这个函数解决了一些例子，并且理解了这个方法是如何工作的。