np.all和np.any默认axis=none，展平后返回标量；按行/列操作需显式指定axis=1或axis=0；空数组中np.all返回true、np.any返回false；检查非零应避免直接np.all(arr)，而用np.all(arr != 0)等显式判断。
np.all 和 np.any 不是布尔数组的简单“求和”或“取或”，它们默认在**所有轴上压缩**，返回单个标量——这正是多数人踩坑的起点。
为什么 np.all([True, False]) 返回 False，但 np.all([[True, False], [True, True]]) 也返回 False？
因为默认参数 axis=None，即展平后整体判断。二维数组会被先转成一维再计算：
np.all([[True, False], [True, True]]) # 等价于 np.all([True, False, True, True]) → False
若想按行/列判断，必须显式指定 axis：
-
axis=0：对每列操作（纵向），返回 shape 为(n_cols,)的数组 -
axis=1：对每行操作（横向），返回 shape 为(n_rows,)的数组 -
axis=None（默认）：全元素归约，返回标量np.bool_
np.all 和 np.any 在空数组上的行为差异
空数组（如 np.array([]) 或 np.empty(0, dtype=bool)）会触发反直觉逻辑：
-
np.all([])返回True（“所有元素都满足条件”在空集上被视作 vacuously true） -
np.any([])返回False（“存在一个元素满足”在空集上为假） - 二维空数组同理：
np.all(np.empty((0, 5), bool), axis=1)返回长度为 0 的空数组，但np.all(np.empty((0, 5), bool), axis=0)返回含 5 个True的数组——因为每列有 0 个False
用 np.all 检查数组是否全为非零值时，别直接传原始数值
直接写 np.all(arr) 依赖 Python 对数值的真值转换（0→False，非0→True），但容易掩盖类型问题或 NaN：
- 若
arr含np.nan，np.all(arr)返回False（因为bool(np.nan)是True，但np.all内部用==判断，而np.nan == np.nan为False） - 更安全的做法是显式比较：
np.all(arr != 0)（整数/浮点）或np.all(~np.isnan(arr))（检查是否无 NaN） - 对于浮点容差判断，必须用
np.all(np.abs(arr) ，而非 <code>np.all(arr —— 后者不等价
最常被忽略的是 axis 参数的默认行为；写条件逻辑时，如果本意是“每行是否全为正数”，却漏写 axis=1，就会得到一个标量结果，导致后续广播或形状匹配失败。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
