pandas.Series.all

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

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

Возвращает True, если ни один элемент в серии или по оси DataFrame не равен False или эквивалентен (например, нулю или пустому).

Параметры:

axis : {0 or ‘index’, 1 or ‘columns’, None}, default 0 Указывает, какие оси или оси должны быть уменьшены. 0 / ‘index’ : уменьшить индекс, вернуть Series, индекс которой — исходные метки столбцов. 1 / ‘columns’ : уменьшить столбцы, вернуть Series, индекс которой — исходный индекс. None : уменьшить все оси, вернуть скаляр. bool_only : bool, default None Включать только булевы столбцы. Если None, попытается использовать все, а затем использовать только булевы данные. Не реализовано для Series. skipna : bool, default True Исключить значения NA/null. Если вся строка/столбец — NA, а skipna — True, то результат будет True, как и для пустой строки/столбца. Если skipna — False, то NA обрабатываются как True, так как они не равны нулю. level : int or level name, default None Если ось — MultiIndex (иерархический), то подсчет выполняется по определенному уровню, сводя его к скаляру. **kwargs : any, default None Дополнительные ключевые слова не имеют эффекта, но могут приниматься для совместимости с NumPy.

Возвращает:

скаляр или Series Если указан уровень, то возвращается Series; в противном случае — скаляр.

См. также

Series.all

Возвращает True, если все элементы равны True.

DataFrame.any

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

Примеры

Series

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

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, все ли значения в столбцах равны True.

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

Укажите axis='columns' для проверки того, все ли значения в строках равны True.

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

Или axis=None для проверки того, все ли значения равны True.

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