pandas.DataFrame.all#

DataFrame.все(ось=0, bool_only=False, skipna=True, **kwargs)[источник]#

Возвращает, являются ли все элементы True, возможно по оси.

Возвращает True, если только нет хотя бы одного элемента в серии или вдоль оси DataFrame, который является False или эквивалентным (например, нулевым или пустым).

Параметры:
ось{0 или 'index', 1 или 'columns', None}, по умолчанию 0

Указывает, какая ось или оси должны быть сокращены. Для Series этот параметр не используется и по умолчанию равен 0.

  • 0 / ‘index’ : уменьшить индекс, вернуть Series, индекс которого является исходными метками столбцов.

  • 1 / ‘columns’ : сократить столбцы, вернуть Series, индекс которого является исходным индексом.

  • None : сократить все оси, вернуть скаляр.

bool_onlybool, по умолчанию False

Включать только булевы столбцы. Не реализовано для Series.

skipnabool, по умолчанию True

Исключить значения NA/нулевые. Если вся строка/столбец является NA и skipna равно True, то результат будет True, как для пустой строки/столбца. Если skipna равно False, то NA обрабатываются как True, потому что они не равны нулю.

**kwargsлюбой, по умолчанию None

Дополнительные ключевые слова не оказывают эффекта, но могут быть приняты для совместимости с NumPy.

Возвращает:
Series или DataFrame

Если указан уровень, возвращается DataFrame; иначе возвращается Series.

Смотрите также

Series.all

Возвращает True, если все элементы True.

DataFrame.any

Возвращает True, если один (или более) элементов равен True.

Примеры

Series

>>> pd.Series([True, True]).all()
True
>>> pd.Series([True, False]).all()
False
>>> pd.Series([], dtype="float64").all()
True
>>> pd.Series([np.nan]).all()
True
>>> pd.Series([np.nan]).all(skipna=False)
True

DataFrames

Создать dataframe из словаря.

>>> df = pd.DataFrame({'col1': [True, True], 'col2': [True, False]})
>>> df
   col1   col2
0  True   True
1  True  False

Поведение по умолчанию проверяет, возвращают ли значения в каждом столбце все True.

>>> df.all()
col1     True
col2    False
dtype: bool

Укажите axis='columns' для проверки, все ли значения в каждой строке возвращают True.

>>> df.all(axis='columns')
0     True
1    False
dtype: bool

Или axis=None для проверки, является ли каждое значение True.

>>> df.all(axis=None)
False