pandas 0.23 - Panel.all()

pandas.Panel.all




pandas

pandas.Panel.all

Panel.all(axis=0, bool_only=None, skipna=True, level=None, **kwargs) [source]

वापसी करें कि क्या सभी तत्व सही हैं, संभावित रूप से एक अक्ष पर।

यदि श्रृंखला के भीतर या किसी डेटाफ़्रेम अक्ष के साथ सभी तत्व गैर-शून्य हैं, तो खाली या गलत नहीं हैं।

पैरामीटर:

अक्ष : {0 या 'इंडेक्स', 1 या 'कॉलम', कोई नहीं}, डिफ़ॉल्ट 0

संकेत दें कि किस अक्ष या अक्ष को कम किया जाना चाहिए।

  • 0 / 'सूचकांक': सूचकांक को कम करें, एक श्रृंखला लौटाएं जिसका सूचकांक मूल स्तंभ लेबल है।
  • 1 / 'कॉलम': कॉलम को कम करें, एक श्रृंखला लौटाएं जिसका सूचकांक मूल सूचकांक है।
  • कोई नहीं: सभी कुल्हाड़ियों को कम करें, एक स्केलर वापस करें।

स्किपना : बूलियन, डिफॉल्ट ट्रू

NA / शून्य मानों को छोड़ दें। यदि एक पूरी पंक्ति / स्तंभ NA है, तो परिणाम NA होगा।

स्तर : int या स्तर का नाम, डिफ़ॉल्ट कोई नहीं

यदि अक्ष एक MultiIndex (पदानुक्रमित) है, तो एक विशेष स्तर पर गिना जाता है, एक DataFrame में ढह जाता है।

bool_only : बूलियन, डिफ़ॉल्ट कोई नहीं

केवल बूलियन कॉलम शामिल करें। यदि कोई नहीं, सब कुछ उपयोग करने का प्रयास करेगा, तो केवल बूलियन डेटा का उपयोग करें। श्रृंखला के लिए लागू नहीं किया गया।

** kwargs : कोई भी, डिफ़ॉल्ट कोई नहीं

अतिरिक्त कीवर्ड का कोई प्रभाव नहीं है, लेकिन NumPy के साथ संगतता के लिए स्वीकार किया जा सकता है।

यह दिखाता है:
all : DataFrame or Panel (if level specified)

यह भी देखें

pandas.Series.all
यदि सभी तत्व सत्य हैं, तो सही लौटें
pandas.DataFrame.any
यदि एक (या अधिक) तत्व सत्य हैं, तो सही लौटें

उदाहरण

शृंखला

>>> pd.Series([True, True]).all()
True
>>> pd.Series([True, False]).all()
False

DataFrames

शब्दकोश से डेटाफ़्रेम बनाएँ।

>>> df = pd.DataFrame({'col1': [True, True], 'col2': [True, False]})
>>> df
   col1   col2
0  True   True
1  True  False

कॉलम-वार वैल्यूज़ सभी सही होने पर डिफ़ॉल्ट व्यवहार की जाँच करता है।

>>> df.all()
col1     True
col2    False
dtype: bool

यह निर्दिष्ट करने के लिए कि क्या पंक्ति-वार मान सभी लौटाते हैं, axis='columns' निर्दिष्ट करें।

>>> df.all(axis='columns')
0     True
1    False
dtype: bool

या axis=None कि क्या प्रत्येक मूल्य सत्य है।

>>> df.all(axis=None)
False