pandas.Series.all

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

Определяет, являются ли все элементы истинными, потенциально по оси.

Возвращает True, если все элементы в серии или вдоль оси DataFrame равны True, иначе возвращает False.

Параметры

axis:{0 или ‘индекс’, 1 или ‘колонки’, None}, по умолчанию 0

Указывает, по какой оси или осям нужно выполнить операцию. Для Series этот параметр не используется и по умолчанию равен 0.

• 0 / ‘индекс’ : выполняет операцию по индексу, возвращает Series с индексом из исходных меток столбцов.

• 1 / ‘колонки’ : выполняет операцию по столбцам, возвращает Series с индексом из исходного индекса.

• None : выполняет операцию по всем осям, возвращает скалярное значение.

bool_only:bool, по умолчанию None

Включать только булевые столбцы. Если None, будет пытаться использовать все столбцы, а затем только булевые данные. Для Series не реализовано.

skipna:bool, по умолчанию True

Исключить значения NaN/null. Если вся строка/столбец состоит из NaN и skipna равен True, результат будет True, как для пустой строки/столбца. Если skipna равен False, NaN обрабатываются как True, так как они не равны нулю.

level:int или имя уровня, по умолчанию None

Если ось является Многоуровневым индексом (иерархическим), посчитать по определенному уровню, сводя к скалярному значению.

Устарело начиная с версии 1.3.0: Параметр level устарел. Используйте groupby вместо него.

**kwargs:любое, по умолчанию None

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

Возвращает

скаляр или Series

Если указан уровень, возвращается Series; в противном случае возвращается скалярное значение.

См. также

Series.all

Возвращает True, если все элементы равны True.

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

DataFrame

Создаем 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 каждом столбце равны True.

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

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

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

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

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