Python熊猫系列之DataFrame.any()

DataFrame.any()是pandas库中的一个方法，用于判断DataFrame中是否存在True的值。它的语法如下：

DataFrame.any(axis=0, bool_only=None, skipna=True, level=None, **kwargs)

• axis：用于指定沿着哪个轴计算，默认为0，即按列计算。
• bool_only：用于指定是否只考虑布尔类型（True或False）的值，默认为None，即同时考虑数字类型和布尔类型的值。
• skipna：用于指定是否忽略NaN值，默认为True。
• level：用于指定在指定轴上计算统计值的级别（如果DataFrame具有多层索引），默认为None。

下面是一个简单的例子，展示了如何使用DataFrame.any()方法：

import pandas as pd

data = {'A': [True, False, True],
        'B': [False, False, False],
        'C': [False, True, False]}

df = pd.DataFrame(data)

print(df.any())  # 默认按列计算

输出结果如下：

A    True
B    False
C    True
dtype: bool

可以看到，结果中的每一列都表示该列是否存在True的值。

除了按列计算，还可以按行计算。只需要指定axis参数即可：

import pandas as pd

data = {'A': [True, False, True],
        'B': [False, False, False],
        'C': [False, True, False]}

df = pd.DataFrame(data)

print(df.any(axis=1))  # 按行计算

输出结果如下：

0     True
1    False
2     True
dtype: bool

可以看到，结果中的每一行都表示该行是否存在True的值。

如果只想考虑布尔类型的值，可以将bool_only参数设置为True：

import pandas as pd

data = {'A': [1, 0, True],
        'B': [0, False, 0],
        'C': [0, True, 0]}

df = pd.DataFrame(data)

print(df.any(bool_only=True))  # 只考虑布尔类型的值

输出结果如下：

A     True
B    False
C     True
dtype: bool

可以看到，结果中的数字类型的值都被视为False。

还可以通过level参数指定在指定轴上计算统计值的级别（如果DataFrame具有多层索引）：

import pandas as pd

data = {'A': [True, False, True],
        'B': [False, False, False],
        'C': [False, True, False]}

df = pd.DataFrame(data, index=['a', 'a', 'b'])

print(df.any(level=0))  # 按第一层索引计算

输出结果如下：

A     True
B    False
C     True
dtype: bool

可以看到，结果中的每个标签都表示该标签所在的行是否存在True的值。

最后，还可以通过skipna参数指定是否忽略NaN值。默认情况下，skipna参数为True，会忽略NaN值。如果设置为False，会将NaN值视为False：

import pandas as pd
import numpy as np

data = {'A': [True, False, True],
        'B': [False, np.nan, False],
        'C': [False, True, False]}

df = pd.DataFrame(data)

print(df.any(skipna=False))  # 不忽略NaN值

输出结果如下：

A     True
B     True
C    False
dtype: bool

可以看到，结果中的第二列被视为True，这是因为该列存在NaN值，skipna参数被设置为False，将NaN值视为False。