pandas.Series.all

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

Возвращает True, если все элементы являются истинными, потенциально по оси.

Возвращает True, если все элементы в серии или вдоль оси Dataframe не равны нулю, не пустые или не ложные.

Параметры:

axis : {0 или ‘индекс’, 1 или ‘колонки’, None}, по умолчанию 0 Указывает, по какой оси или осям должно происходить сокращение. 0 / ‘индекс’ : сокращение по индексу, возвращает Series с индексом исходных меток столбцов. 1 / ‘колонки’ : сокращение по столбцам, возвращает Series с индексом исходного индекса. None : сокращение по всем осям, возвращает скаляр. skipna : boolean, по умолчанию True Исключить значения NA/null. Если весь ряд/столбец состоит из NA, результат будет NA. level : int или имя уровня, по умолчанию None Если ось является MultiIndex (иерархической), считать по определенному уровню, сводя к скаляру. bool_only : boolean, по умолчанию None Включить только столбцы boolean. Если None, попытается использовать всё, затем использовать только логические данные. Для Series не реализовано. **kwargs : любой, по умолчанию None Дополнительные ключевые слова не влияют, но могут приниматься для совместимости с NumPy.

Возвращает:

all : scalar or Series (if level specified)

См. также

pandas.Series.all

Возвращает True, если все элементы равны True

pandas.DataFrame.any

Возвращает True, если хотя бы один элемент равен True

Примеры

Series

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

DataFrames

Создаём DataFrame из словаря.

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

По умолчанию проверяет, все ли значения в столбцах равны True.

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

Укажите axis='columns' чтобы проверить, все ли значения в строках равны True.

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

Или axis=None чтобы проверить, все ли значения равны True.

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