Question

我有以下数据框：

>>> df = pd.DataFrame([[True, np.nan, False],[True,np.nan,False],[True,np.nan,False]])
>>> df
      0   1      2
0  True NaN  False
1  True NaN  False
2  True NaN  False

根据docs，执行df.all(axis=1, skipna=True)对应于检查列中是否所有值都是真的，因此我希望它提供True，True，{{ 1}}，但它提供False，False，False。似乎轴的含义已被翻转，即轴= 0用于列式。

这似乎与False中轴的含义相矛盾，例如，

DataFrame.dropna

以及np.delete。

这是故意的吗？如果是这样，为什么？

Answer 1

我认为这是文档中的错误，因为此方法会调用numpy.all ，如果您比较输出它们是相同的：

In [211]:

np.all(df,axis=0)
Out[211]:
array([True, nan, False], dtype=object)
In [212]:

np.all(df, axis=1)
Out[212]:
array([False, False, False], dtype=object)

dropna和np.delete同意输出：

In [213]:

df.dropna(axis=1)
Out[213]:
      0      2
0  True  False
1  True  False
2  True  False
In [222]:

np.delete(df.values, 1,axis=1)
Out[222]:
array([[True, False],
       [True, False],
       [True, False]], dtype=object)

Answer 2

我同意它并不总是非常直观，但我认为行为是一致的。

axis=0在r0ws上工作，axis=1在整个合作列中工作。

因此，df.all(axis=1, skipna=True)会返回False, False, False，因为它会跨所有列执行操作（此处返回每行all(True, True, False)的结果）。同时，df.all(axis=0, skipna=True)向下查看行（依次为每列）。只有第2列中的行包含False值，因此结果为。

同样，dropna(axis=1)和delete(axis=1)会对列启动操作（即查看每列以查看是否应删除或删除列）。第0列和第2列不包含任何NaN值，因此会保留，而第1列会消失。

轴参数的含义在pd.DataFrame.all中切换

2 个答案: