pandas.Panel.all

Panel.all(axis=0, bool_only=None, skipna=True, level=None, **kwargs) [source]

Возвращает значение True, если все элементы истинны, потенциально по оси.

Возвращает True, если все элементы в серии или по оси Dataframe отличны от нуля, не пустые или не ложны.

Параметры:

axis : {0 или ‘индекс’, 1 или ‘столбцы’, None}, по умолчанию 0 Указывает, по какой оси или осям должно производиться сокращение. 0 / ‘индекс’ : сократить индекс, вернуть Series с индексом, соответствующим исходным меткам столбцов. 1 / ‘столбцы’ : сократить столбцы, вернуть Series с индексом, соответствующим исходному индексу. None : сократить все оси, вернуть скалярное значение. skipna : boolean, по умолчанию True Исключить значения NA/null. Если вся строка/столбец содержит значения NA, результат будет NA. level : int или имя уровня, по умолчанию None Если ось является многоуровневым индексом (иерархическим), подсчёт выполняется по определённому уровню, сводя данные в DataFrame. bool_only : boolean, по умолчанию None Включать только столбцы булевого типа. Если None, будет использоваться всё, а затем только булевы данные. Не реализовано для Series. **kwargs : любое, по умолчанию None Дополнительные ключевые слова не влияют, но могут приниматься для совместимости с NumPy.

Возвращает:

all : DataFrame or Panel (if level specified)

См. также

pandas.Series.all

Возвращает True, если все элементы истинны

pandas.DataFrame.any

Возвращает True, если хотя бы один элемент истинный

Примеры

Series

>>> pd.Series([True, True]).all()
True
>>> pd.Series([True, False]).all()
False

DataFrames

Создайте DataFrame из словаря.

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

По умолчанию проверяется, если значения по столбцам все возвращают True.

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

Укажите axis='columns' для проверки, если значения по строкам все возвращают True.

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

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

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