Python Pandas DataFrame any方法用法及代碼示例

例子

考慮以下 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

逐列掃描

按列掃描是否存在非零值：

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



A     True
B     True
C    False
dtype: bool

在此，請注意以下事項：

• A 和 B 列中至少有一個非零值，因此為這些列返回 True。

• 自 axis != None 以來，返回類型為 Series 。

逐行掃描

僅供您參考，我們再次在此顯示df：

df



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

要按行掃描，請設置 axis=1 是否存在非零值：

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



0     True
1    False
2     True
dtype: bool

掃描整個DataFrame

要掃描整個 DataFrame 是否存在非零值，請設置 axis=None ：

df.any(axis=None)



True

僅掃描布爾列

考慮以下 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

要僅掃描包含布爾值的列，請設置 bool_only=True ：

df.any(bool_only=True)



B    True
dtype: bool

請注意如何僅考慮列 B，因為它是唯一類型為 boolean 的列。

考慮缺失值

默認情況下， skipna=True ，這意味著將跳過缺失值(視為 0 或 False )。

作為示例，請考慮以下 DataFrame：

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



   A
0  NaN
1  0.0

調用 any() 給出：

df.any()    # or skipna=True



A    False
dtype: bool

在這裏，我們得到 False ，因為跳過了 NaN ，A 列中的所有值都是 0 。

相反，設置 skipna=False 會將 NaN 視為 True ：

df.any(skipna=False)



A    True
dtype: bool

由於我們現在 A 列中至少有一個非零值，因此返回 True。