Question

我想知道如何检查pandas数据框在1列或更多列中是否为负值，并且仅返回布尔值（True或False）。你能帮忙吗？

In[1]: df = pd.DataFrame(np.random.randn(10, 3))

In[2]: df
Out[2]:
          0         1         2
0 -1.783811  0.736010  0.865427
1 -1.243160  0.255592  1.670268
2  0.820835  0.246249  0.288464
3 -0.923907 -0.199402  0.090250
4 -1.575614 -1.141441  0.689282
5 -1.051722  0.513397  1.471071
6  2.549089  0.977407  0.686614
7 -1.417064  0.181957  0.351824
8  0.643760  0.867286  1.166715
9 -0.316672 -0.647559  1.331545

预期输出：-

Out[3]: True

Answer 1

这可以解决问题：

(df < 0).any().any()

要对其进行分解，(df < 0)给出了具有布尔条目的数据框。然后，第一个.any()返回一系列布尔值，在每个列中测试True值的存在。然后，第二个.any()询问返回的系列本身是否包含任何True值。

这将返回一个简单的结果：

True

Answer 2

您可以链接两个any

df.lt(0).any().any()
Out[96]: True

Answer 3

实际上，如果速度很重要，我做了一些测试：

df = pd.DataFrame(np.random.randn(10000, 30000))

测试1，最慢：纯熊猫

(df < 0).any().any()
# 303 ms ± 1.28 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

测试2，更快：使用.values切换到numpy来测试True条目的存在

(df < 0).values.any()
# 269 ms ± 8.19 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

测试3，甚至更快，尽管并不重要：整个过程都切换到numpy

(df.values < 0).any()
# 267 ms ± 1.48 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

熊猫-检查数据框在任何列中是否为负值

3 个答案: