pandas.Series.all # 系列。全部(轴= 0, bool_only = False, skipna = True, ** kwargs)[来源]# 返回是否所有元素都为 True(可能在轴上)。 返回 True ,除非系列中或沿 Dataframe 轴至少有一个元素为 False 或等效元素(例如零或空)。 参数: 轴{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True,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: 标量或级数如果指定了level,则返回Series;否则,返回标量。 也可以看看 Series.all如果所有元素都为 True,则返回 True。 DataFrame.any如果一个(或多个)元素为 True,则返回 True。 例子 系列 >>> 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 数据框 从字典创建数据框。 >>> df = pd.DataFrame({'col1': [True, True], 'col2': [True, False]}) >>> df col1 col2 0 True True 1 True False 默认行为检查每列中的值是否都返回 True。 >>> df.all() col1 True col2 False dtype: bool 指定axis='columns'检查每行中的值是否都返回 True。 >>> df.all(axis='columns') 0 True 1 False dtype: bool 或者axis=None每个值是否为 True。 >>> df.all(axis=None) False