Python | Pandas data frame.all()
原文:https://www.geeksforgeeks.org/python-pandas-dataframe-all/
Python 是进行数据分析的优秀语言，主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包，让导入和分析数据变得容易多了。
DataFrame.all() 方法检查是否所有元素都为真，可能在一个轴上。如果一个系列内或沿数据框轴的所有元素都非零、不为空或不为假，则返回真。
语法: DataFrame.all(axis=0，bool_only =无，skipna =真，level =无，**kwargs)
参数: 轴: {0 或‘索引’，1 或‘列’，无}，默认 0 表示应该减少哪个轴或哪些轴。 0/“index”:缩小索引，返回一个以原始列标签为索引的 Series。 1 /“列”:减少列，返回一个以原始索引为索引的 Series。 无:减少所有轴，返回一个标量。
skipna : 排除 NA/null 值。如果整行/整列为“无”，结果将为“无”。 级别:如果轴是多索引(分层)，沿特定级别计数，折叠成系列。 仅布尔:仅包含布尔列。如果无，将尝试使用所有内容，然后仅使用布尔数据。不适用于系列。 **kwargs : 附加关键字没有影响，但可能会被接受以与 NumPy 兼容。
返回:全部:序列或数据帧(如果指定了级别)
注意: 南值将被视为非空值，因此将被评估为真。
有关代码中使用的 CSV 文件的链接，请单击此处的
示例#1: 数据框中各列的后缀_col 。
# importing pandas as pd
import pandas as pd
# Making data frame from the csv file
df = pd.read_csv("nba.csv")
# Printing the first 10 rows of the
# data frame for visualization
df[:10]
# checking for 'Name' column
df.Name.all()
输出:
实施例#2: 评估柱态行为
dataframe.all() 默认行为检查列值是否都返回真。
# Checking for all the columns in the dataframe
df.all()
输出:
示例#3: 检查逐行元素
指定轴=“列”以检查行方向的值是否都返回真。如果任何特定行中的所有值都评估为 true，则整个行都将评估为 true。
# importing pandas as pd
import pandas as pd
# Making data frame from the csv file
df = pd.read_csv("nba.csv")
# Checking across the row
df.all(axis ='columns')
输出:
all() 计算数据框中所有行的所有值，并为每行输出一个布尔值。
示例#4: 检查数据框中的所有值
对于数据框中的每个值是否为真，指定轴=无。
# importing pandas as pd
import pandas as pd
# Making data frame from the csv file
df = pd.read_csv("nba.csv")
# Checking across the row
df.all(axis = None)
输出:
