跳转至

Python |熊猫系列/Dataframe.any()

原文:https://www.geesforgeks.org/python-pandas-series-data frame-any/

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。

熊猫 any() 方法适用于系列和数据框。它检查调用者对象(数据帧或系列)中的任何值是否不为 0，并为此返回真。如果所有值都为 0，它将返回 False。

语法: DataFrame.any(axis=0，bool_only =无，skipna =真，level =无，**kwargs)

参数: 轴: 0 或‘索引’按行应用方法，1 或‘列’按列应用方法。 bool_only: 在数据框中检查 bool only 系列，如果没有找到，将只使用布尔值。此参数不适用于系列，因为只有一列。 skipna: 布尔值，如果为假，则为整个 NaN 列/行返回真 级别: int 或 str，指定多级情况下的级别

返回类型:布尔级数

示例#1: 索引方式实现

在本例中，通过将字典传递给 Pandas DataFrame()方法创建了一个示例数据框。使用 Numpy np.nan将空值传递给一些索引，以检查空值的行为。因为在本例中，方法是在索引上实现的，所以 axis 参数保持为 0(代表行)。

# importing pandas module 
import pandas as pd 

# importing numpy module
import numpy as np

# creating dictionary
dic = {'A': [1, 2, 3, 4, 0, np.nan, 3],
       'B': [3, 1, 4, 5, 0, np.nan, 5],
       'C': [0, 0, 0, 0, 0, 0, 0]}

# making dataframe using dictionary
data = pd.DataFrame(dic)

# calling data.any column wise
result = data.any(axis = 0)

# displaying result
result

输出: 如输出所示，由于最后一列的所有值都等于零，因此只为该列返回 False。

示例#2: 列式实现

在本例中，通过将字典传递给 Pandas DataFrame()方法创建了一个样本数据框，就像上面的例子一样。但是，不是将 0 传递给 axis 参数，而是将 1 传递给每个列中的每个值。

# importing pandas module 
import pandas as pd 

# importing numpy module
import numpy as np

# creating dictionary
dic = {'A': [1, 2, 3, 4, 0, np.nan, 3],
       'B': [3, 1, 4, 5, 0, np.nan, 5],
       'C': [0, 0, 0, 0, 0, 0, 0]}

# making dataframe using dictionary
data = pd.DataFrame(dic)

# calling data.any column wise
result = data.any(axis = 1)

# displaying result
result

输出: 如输出所示，仅对于所有值都为 0 或 NaN 和 0 的行返回 False。

回到顶部