Python Pandas Serices/Dataframe.any()

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。

Pandas any()方法同时适用于系列和Dataframe。它检查调用者对象（Dataframe或系列）中的任何值是否为0，并为此返回True。如果所有的值都是0，它将返回False。

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

参数:
axis：0或’index’用于按行应用方法，1或’columns’用于按列应用。
bool_only:在数据框架中检查是否有只有布尔值的系列，如果没有找到，它将只使用布尔值。由于只有一列，该参数不用于系列。
skipna: 布尔值，如果是假的，整个NaN列/行的返回值为真。
level: int或str，在多级的情况下指定级别。

返回类型: 布尔系列

例子#1：

在这个例子中，通过向Pandas DataFrame()方法传递字典来创建一个样本数据框。空值也被传递给一些索引，使用Numpy np.nan来检查空值的行为。因为在这个例子中，该方法是在索引上实现的，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:
如输出结果所示，由于最后一列的所有值都等于零，因此只对该列返回False。

示例#2：

在这个例子中，通过向Pandas DataFrame()方法传递字典来创建一个样本数据框，就像上面的例子一样。但是在每一列中的每一个值都传递1来实现，而不是将0传递给axis参数。

# 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:
如输出中所示，只有所有数值都是0或NaN和0的行才会返回False。