【Pandas】pandas DataFrame all

Pandas2.2 DataFrame

Computations descriptive stats

pandas.DataFrame.all()

pandas.DataFrame.all() 方法用于判断 DataFrame 中是否所有元素在指定轴上都为 True。它是进行逻辑“与”操作的聚合函数，常用于检查数据是否满足某些布尔条件。

一、方法签名

DataFrame.all(axis=0, bool_only=None, skipna=True)

参数说明：

二、返回值

• 返回一个 Series，表示每一行或每一列是否全部为 True。
• 若 axis=0，索引为列名；若 axis=1，索引为行索引。

三、使用示例及结果

示例1：默认参数（按列判断）

import pandas as pd

df = pd.DataFrame({
    'A': [True, True, True],
    'B': [True, False, True],
    'C': [1, 2, 3],
    'D': [0, 1, 2]
})

result = df.all()
print(result)

输出：

A     True
B    False
C     True
D    False
dtype: bool

解释：

• 列 A 全为 True → True
• 列 B 含有 False → False
• 列 C 非零值都被视为 True → True
• 列 D 含有 0 → False

示例2：按行判断（axis=1）

result = df.all(axis=1)
print(result)

输出：

0     True
1    False
2     True
dtype: bool

解释：

• 第0行：[True, True, 1, 0] → 所有值为真？True（注意：0 是 False）
• 第1行：[True, False, 2, 1] → 包含 False → False
• 第2行：[True, True, 3, 2] → 全部为真 → True

示例3：设置 bool_only=True

result = df.all(bool_only=True)
print(result)

输出：

A     True
B    False
dtype: bool

解释：

• 只考虑布尔类型列（即列 A 和 B），忽略数值列 C 和 D。

示例4：设置 skipna=False 并包含 NaN

import numpy as np

df_with_nan = pd.DataFrame({
    'X': [True, np.nan, True],
    'Y': [False, True, True]
})

result = df_with_nan.all(skipna=False)
print(result)

输出：

X       NaN
Y     False
dtype: object

解释：

• 列 X 含有 NaN，且 skipna=False → 结果为 NaN
• 列 Y 含有 False → 整体为 False

四、适用场景

五、注意事项

• 非布尔列会被自动转换为布尔值（如 0 → False，非零 → True）
• NaN 值默认被跳过（不影响判断），可通过 skipna=False 改变行为
• bool_only=True 时，只作用于布尔类型列，忽略其他类型列

六、总结

all() 是一个非常实用的逻辑聚合函数，适用于对 DataFrame 进行整体布尔判断和数据校验。