据我所知，没有直接的函数来测试这一点。相反，您需要根据数据的编码方式构建一些东西（例如1/0、T/F、真/假等）。此外，如果您的列有缺失值，则整个列将被编码为float而不是int。
在下面的示例中，我测试所有唯一的非空值是否为“1”或“0”。它返回所有此类列的列表。

df = pd.DataFrame({'bool': [1, 0, 1, None], 
                   'floats': [1.2, 3.1, 4.4, 5.5], 
                   'ints': [1, 2, 3, 4], 
                   'str': ['a', 'b', 'c', 'd']})

bool_cols = [col for col in df 
             if df[[col]].dropna().unique().isin([0, 1]).all().values]

# 2019-09-10 EDIT (per Hardik Gupta)
bool_cols = [col for col in df 
             if np.isin(df[col].dropna().unique(), [0, 1]).all()]

>>> bool_cols
['bool']

>>> df[bool_cols]
   bool
0     1
1     0
2     1
3   NaN

def is_binary(series, allow_na=False):
    if allow_na:
        series.dropna(inplace=True)
    return sorted(series.unique()) == [0, 1]

这是我找到的最有效的解决方案。这比上面的答案要快。当处理大型数据集时，时间上的差异变得相关。

为了扩展上面的答案，使用value_counts（）.index而不是unique（）应该可以做到这一点：

bool_cols = [col for col in df if 
               df[col].dropna().value_counts().index.isin([0,1]).all()]

使用 Alexandria 的答案，Python版本-3.6.6

[col for col in df if np.isin(df[col].unique(), [0, 1]).all()]

改进@Aiden以避免返回空列：

[col for col in df if (len(df[col].value_counts()) > 0) & all(df[col].value_counts().index.isin([0, 1]))]

我可能会迟到。但是，我们也可能需要获得具有二进制出现特征的列，这些特征不一定已经是[0，1]格式，即“是/否”，“真/假”，下面可以做。

binary_cols= [col for col in df.columns if len(df[col].unique())==2]
binary_cols

你可以在数据集中的每一列上使用pandas的unique（）函数。
例如：df["colname"].unique()
这将返回指定列中所有唯一值的列表。
还可以使用for循环遍历数据集中的所有列。
型号：[df[cols].unique() for cols in df]

虽然晚了很多年，但下面是我使用nunique()的答案：

[col for col,val in df.nunique().items() if val==2]