Python Pandas DataFrame any方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,0,1], "B":[1,0,0], "C":[0,0,0]})
df



   A  B  C
0  2  1  0
1  0  0  0
2  1  0  0

逐列扫描

按列扫描是否存在非零值：

df.any()   # or explicitly set axis=0



A     True
B     True
C    False
dtype: bool

在此，请注意以下事项：

• A 和 B 列中至少有一个非零值，因此为这些列返回 True。

• 自 axis != None 以来，返回类型为 Series 。

逐行扫描

仅供您参考，我们再次在此显示df：

df



   A  B  C
0  2  1  0
1  0  0  0
2  1  0  0

要按行扫描，请设置 axis=1 是否存在非零值：

df.any(axis=1)   # returns a Series



0     True
1    False
2     True
dtype: bool

扫描整个DataFrame

要扫描整个 DataFrame 是否存在非零值，请设置 axis=None ：

df.any(axis=None)



True

仅扫描布尔列

考虑以下 DataFrame ：

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



   A  B      C
0  2  True   0
1  0  False  0

要仅扫描包含布尔值的列，请设置 bool_only=True ：

df.any(bool_only=True)



B    True
dtype: bool

请注意如何仅考虑列 B，因为它是唯一类型为 boolean 的列。

考虑缺失值

默认情况下， skipna=True ，这意味着将跳过缺失值(视为 0 或 False )。

作为示例，请考虑以下 DataFrame：

df = pd.DataFrame({"A": [pd.np.nan, 0]})
df



   A
0  NaN
1  0.0

调用 any() 给出：

df.any()    # or skipna=True



A    False
dtype: bool

在这里，我们得到 False ，因为跳过了 NaN ，A 列中的所有值都是 0 。

相反，设置 skipna=False 会将 NaN 视为 True ：

df.any(skipna=False)



A    True
dtype: bool

由于我们现在 A 列中至少有一个非零值，因此返回 True。