我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

python代码中，all()函数和any()非常类似。all()是用于判断，类数组变量中的所有元素，是否全部非空。“空”的范围是：0,False,None(Null)，空字符串。全部非空，返回True，否则返回False。

苏南大叔：python教程，如何理解all()函数？元素是否全部非空？ - 元素是否全部非空
python教程，如何理解all()函数？元素是否全部非空？（图2-1）

苏南大叔的“程序如此灵动”技术博客，记录苏南大叔的代码经验总结。本文测试环境：win10，python@3.11.0，numpy@1.24.2。值得特别说明的是：Python中的Null就是None，没有直接Null的表述。

all()普通检测

本文的行文侧重点是python自带的all()，numpy中的all()仅仅是做简单的对比，后续会单独成篇。
all()判断一个类数组里面的成员是否全非空（0,False,None/Null，空字符串)。这个就可以理解为and操作，有一个为空，则整体即为空。

下面的代码显示：all()可以正确处理list/tuple/set 以及一维的ndarray。

测试代码：

_list1 = [0, False, None, ""]
_list2 = [0, False, None, "", "999"]
_list3 = [True, 1, "999"]
print(all(_list1), all(_list2), all(_list3))  # False,False,True

_tuple1 = (0, False, None, "")
_tuple2 = (0, False, None, "", "999")
_tuple3 = (True, 1, "999")
print(all(_tuple1), all(_tuple2), all(_tuple3))  # False,False,True

_set1 = {0, False, None, ""}
_set2 = {0, False, None, "", "999"}
_set3 = {True, 1, "999"}
print(all(_set1), all(_set2), all(_set3))  # False,False,True

import numpy as np

_ndarray1 = np.array((0, False, None, ""))
_ndarray2 = np.array((0, False, None, "", "999"))
_ndarray3 = np.array((True, 1, "999"))
print(all(_ndarray1), all(_ndarray2), all(_ndarray3))  # False,False,True
Python

苏南大叔：python教程，如何理解all()函数？元素是否全部非空？ - all()代码及执行结果
python教程，如何理解all()函数？元素是否全部非空？（图2-2）

all()检测 ndarray

然而，到了二维ndarray，all()就开始报错了。

import numpy as np
_ndarray4 = np.array([[0, False], [None, ""]])
_ndarray5 = np.array([[0, False], [None, ""], ["999", "000"]])
_ndarray6 = np.array([[1, True], ["None", "111"], ["999", "000"]])
print(all(_ndarray4), all(_ndarray5), all(_ndarray6))  # 报错
Python

报错信息如下：

Traceback (most recent call last):
  File "C:\Users\sunan\Desktop\test\py\t.py", line 5, in <module>
    print(all(_ndarray4), all(_ndarray5), all(_ndarray6))  # 报错
          ^^^^^^^^^^^^^^
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
Python

推荐使用的是：_ndarray.all()，它返回的是第一个不为空的元素。(似乎和_ndarray.any()的返回值一致)

import numpy as np

_ndarray4 = np.array([[0, False], [None, ""]])
_ndarray5 = np.array([[0, False], [None, ""], ["999", "000"]])
_ndarray6 = np.array([[True, True], [1, 2], [999, 111]])
# print(all(_ndarray4), all(_ndarray5), all(_ndarray6))  # 报错

print(_ndarray4.all())  # 0
print(_ndarray5.all())  # 0
print(_ndarray6.all())  # True

print(np.all(_ndarray4))  # 0
print(np.all(_ndarray5))  # 0
print(np.all(_ndarray6))  # True
Python

本文不会对_ndarray.all()的使用情况，做更进一步的阐述。只需要知道的是：这个numpy的.all()和.any()，和看起来的并不一样。有很多意料之外之处。

all()检查空数组

import numpy as np

_list = []
_tuple = ()
_set = {}
_ndarray = np.array([])
print(all(_list), all(_tuple))   # True,True
print(all(_set), all(_ndarray))  # True,True
Python

对于空的类数组，all()检测是否全部元素不为空。事实上，一个元素都没有，所以必然“全部”元素不为空了。所以，全体返回值True。【这个解释纯属一念之间的事情...咋解释都对...】

相关文章

结束语

python自带的all()函数，可以用于检测list/tuple/set 以及一维的ndarray中是否全部元素非空。这里的“空”指的是：0,False,None(Null)，空字符串。Python中的None就是其它语言里面的Null。

而对于ndarray类型，自带的all()仅仅可以用于判断一维的情况。所以，推荐使用基于numpy的两个.all()做类似判断，留作后续文章连载。这里特别说一下：自带的all()和numpy的两个.all()的返回值也是不一样的。

苏南大叔的更多python精彩文章，请点击：

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。

 【福利】 腾讯云最新爆款活动！1核2G云服务器首年50元！

 【源码】本文代码片段及相关软件，请点此获取更多信息

 【绝密】秘籍文章入口，仅传授于有缘之人   python