pandas.DataFrame.any #

数据框。任何*= 0 bool_only = False skipna = True ** kwargs[来源]

返回任何元素是否为 True,可能在轴上。

返回 False,除非系列中或沿着 Dataframe 轴至少有一个元素为 True 或等效元素(例如非零或非空)。

参数
{0 或 'index', 1 或 'columns', None}, 默认 0

指示应减少哪个或哪些轴。对于系列,此参数未使用,默认为 0。

  • 0 / 'index' : 减少索引,返回一个Series,其索引为原始列标签。

  • 1 / 'columns' :减少列,返回一个Series,其索引为原始索引。

  • None :减少所有轴,返回标量。

bool_only布尔值,默认 False

仅包含布尔列。未针对系列实现。

Skipna布尔值,默认 True

排除 NA/null 值。如果整个行/列为 NA 并且skipna 为True,则结果将为False,对于空行/列而言。如果skipna为False,则NA被视为True,因为它们不等于零。

**kwargs任意,默认无

其他关键字没有效果,但可能会被接受以与 NumPy 兼容。

返回
系列或数据框

如果指定了level,则返回DataFrame;否则,返回系列。

也可以看看

numpy.any

此方法的 Numpy 版本。

Series.any

返回是否有任何元素为 True。

Series.all

返回是否所有元素都为 True。

DataFrame.any

返回请求轴上是否有任何元素为 True。

DataFrame.all

返回请求轴上的所有元素是否都为 True。

例子

系列

对于 Series 输入,输出是一个标量,指示是否有任何元素为 True。

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

数据框

每列是否至少包含一个 True 元素(默认值)。

>>> df = pd.DataFrame({"A": [1, 2], "B": [0, 2], "C": [0, 0]})
>>> df
   A  B  C
0  1  0  0
1  2  2  0
>>> df.any()
A     True
B     True
C    False
dtype: bool

聚合列。

>>> df = pd.DataFrame({"A": [True, False], "B": [1, 2]})
>>> df
       A  B
0   True  1
1  False  2
>>> df.any(axis='columns')
0    True
1    True
dtype: bool
>>> df = pd.DataFrame({"A": [True, False], "B": [1, 0]})
>>> df
       A  B
0   True  1
1  False  0
>>> df.any(axis='columns')
0    True
1    False
dtype: bool

使用 聚合整个 DataFrame axis=None

>>> df.any(axis=None)
True

任何空 DataFrame 都是空 Series。

>>> pd.DataFrame([]).any()
Series([], dtype: bool)