Python Pandas dataframe.all()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

DataFrame.all()方法检查所有元素是否为真，可能是在一个axis上。如果一个系列内或沿着Dataframeaxis的所有元素都是非零、非空或非假，则返回真。

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

参数:
axis： {0或’索引’，1或’列’，无}，默认0
指明哪一个或哪几个axis应该被减少。
0/’index’：减少索引，返回一个索引为原始列标签的系列。
1 / ‘columns’ : 减少列，返回一个索引为原始索引的系列。
None : 减少所有axis，返回一个标量。

skipna : 排除NA/null值。如果整个行/列是NA，结果将是NA。
level : 如果axis是一个MultiIndex（分层的），沿着一个特定的层次计数，折叠成一个系列。
bool_only :只包括布尔值列。如果没有，将尝试使用所有数据，然后只使用布尔数据。对系列来说没有实现。
**kwargs :附加的关键字没有任何作用，但为了与NumPy兼容，可能会被接受。

返回：所有：系列或数据框架（如果指定级别）。

例子#1：数据框架中每一列的后缀_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:

例子#2：对逐列行为进行评估

dataframe.all() 默认行为是检查逐列值是否全部返回True。

# Checking for all the columns in the dataframe
df.all()

输出:

例子#3：检查行的元素

指定axis=’columns’来检查行的值是否都返回True。如果任何特定行的所有值都评估为True，那么整个行将评估为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()评估数据框架中所有行的所有值，为每行输出一个布尔值。

例子#4：检查数据框中的所有值

指定，axis=None为数据框架中每个值是否为真。

# 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: