numpy.absolute

numpy.absolute(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature]) = <ufunc 'absolute'>

逐元素计算绝对值.

np.abs 是该函数的简写.

参数:

xarray_like

输入数组.

outndarray, None, or tuple of ndarray and None, optional

结果存储到的位置.如果提供,它必须具有输入的广播到的形状. 如果未提供或为 None,则返回一个新分配的数组.一个元组(可能只能作为关键字参数)必须具有等于输出数量的长度.

wherearray_like, optional

此条件在输入上进行广播.在条件为 True 的位置, out 数组将设置为 ufunc 结果.否则, out 数组将保留其原始值.请注意,如果通过默认值 out=None 创建一个未初始化的 out 数组,则其中条件为 False 的位置将保持未初始化.

\kwargs

对于其他仅限关键字的参数,请参阅 ufunc docs .

返回:

absolutendarray

一个 ndarray,包含 x 中每个元素的绝对值.对于复数输入, a + ib ,绝对值为 \(\sqrt{ a^2 + b^2 }\) .如果 x 是标量,则这是一个标量.

示例

Try it in your browser!

>>> import numpy as np
>>> x = np.array([-1.2, 1.2])
>>> np.absolute(x)
array([ 1.2,  1.2])
>>> np.absolute(1.2 + 1j)
1.5620499351813308

在 [-10, 10] 上绘制函数图:

>>> import matplotlib.pyplot as plt

>>> x = np.linspace(start=-10, stop=10, num=101)
>>> plt.plot(x, np.absolute(x))
>>> plt.show()

在复平面上绘制函数图:

>>> xx = x + 1j * x[:, np.newaxis]
>>> plt.imshow(np.abs(xx), extent=[-10, 10, -10, 10], cmap='gray')
>>> plt.show()

abs 函数可以用作 ndarrays 上 np.absolute 的简写.

>>> x = np.array([-1.2, 1.2])
>>> abs(x)
array([1.2, 1.2])

Go BackOpen In Tab