Python 中 any() 和 all() 方法有什么作用?

导入脚本跑完，日志里只剩一句：

skip file: no valid rows

这种地方我一般不会先怀疑 pandas，也不会先怀疑编码。先看判断条件。很多 Python 代码写得啰嗦，不是因为业务复杂，是因为没用好 any() 和 all()。

any() 看的是：一组条件里，有没有一个是真的。

all() 看的是：一组条件里，是不是全都是真的。

别把它们想复杂了，就这两句话。

比如有一批订单要导入，最土的写法一般长这样：

defcan_import(row):
ifnot row.get("order_id"):
returnFalse

if row.get("amount", 0) <= 0:
returnFalse

if row.get("status") notin ("PAID", "REFUNDING"):
returnFalse

ifnot row.get("buyer_phone"):
returnFalse

returnTrue

这代码没错，但一堆 if 看着烦。条件再多两个，后面的人基本就开始乱加。

用 all() 可以收干净一点：

defcan_import(row):
return all([
        bool(row.get("order_id")),
        row.get("amount", 0) > 0,
        row.get("status") in ("PAID", "REFUNDING"),
        bool(row.get("buyer_phone")),
    ])

意思很直：这些检查都通过，这行数据才允许导入。

但这段我还不算最喜欢。因为这里用了列表，列表会先把里面所有表达式都算完，再交给 all()。如果里面有查库、调接口、读文件这种重操作，就亏了。

现场代码我更愿意这么写：

defcan_import(row):
    checks = (
lambda x: bool(x.get("order_id")),
lambda x: x.get("amount", 0) > 0,
lambda x: x.get("status") in ("PAID", "REFUNDING"),
lambda x: bool(x.get("buyer_phone")),
    )

return all(check(row) for check in checks)

all() 有短路特性。前面一个条件已经是 False，后面就不跑了。

这点在排查慢脚本时挺有用。我见过有人校验一行数据时，前面字段都空了，后面还去请求风控接口，几万行一跑，脚本慢得像在拉磨。

any() 正好反过来。它关心的是“有没有一个命中”。

比如导入前扫一遍，只要有一行金额异常，就直接打日志，不要等到入库时报错：

defhas_dirty_amount(rows):
return any(row.get("amount", 0) <= 0for row in rows)

用在业务判断里也很顺手。

defneed_manual_review(order):
    flags = order.get("risk_flags", [])

return any(flag in flags for flag in (
"IP_CHANGED",
"DEVICE_CHANGED",
"HIGH_REFUND_RATE",
    ))

这比下面这种写法清爽：

if"IP_CHANGED"in flags or"DEVICE_CHANGED"in flags or"HIGH_REFUND_RATE"in flags:
returnTrue

条件少的时候无所谓，条件一多，or 会拉得很长，还容易漏括号。

有个坑要记一下，别线上踩。

print(all([]))  # True
print(any([]))  # False

第一次看到 all([]) 是 True，很多人会觉得怪。其实它的意思是：没有任何一个元素违反条件，所以认为全通过。

但业务里不能这么想。

比如你写：

defbatch_pass(rows):
return all(can_import(row) for row in rows)

如果 rows 是空列表，它会返回 True。这就很危险了。空文件被当成校验通过，后面可能还会打出“导入成功 0 条”这种很迷惑的日志。

我一般会把空数据单独拎出来：

defbatch_pass(rows):
ifnot rows:
returnFalse

return all(can_import(row) for row in rows)

再严一点，直接抛异常：

defbatch_pass(rows):
ifnot rows:
raise ValueError("import rows is empty")

return all(can_import(row) for row in rows)

还有一种写法，我在线上脚本里用得不少：一边扫，一边留下坏数据，不要只给一个 False。

defpick_bad_rows(rows):
    bad_rows = []

for line_no, row in enumerate(rows, start=1):
ifnot can_import(row):
            bad_rows.append({
"line_no": line_no,
"order_id": row.get("order_id"),
"reason": "required field missing or invalid amount",
            })

return bad_rows


bad_rows = pick_bad_rows(rows)

if any(bad_rows):
    print(f"import blocked, bad rows: {bad_rows[:3]}")
else:
    print("import check passed")

这里 any(bad_rows) 其实就是判断列表里有没有元素。有人喜欢写 len(bad_rows) > 0，也可以。但我看到 any(bad_rows)，第一眼知道它在表达“有没有问题数据”。

不过也别滥用。

像这种代码就有点装了：

if all([user_id]):
pass

就一个条件，用 if user_id: 就行。工具是拿来让代码变直接的，不是拿来显得自己会 Python 的。

any() 和 all() 最舒服的地方，是把一堆分散的判断收成一句业务话。

all()：这一行数据是不是全部合格。

any()：这一批数据里有没有一个危险信号。

写校验、过滤、开关判断、批处理脚本时，先想一下是不是能用它们。少写几层 if，后面排查问题时，眼睛也少受点罪。