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
是此函数的简写。- 参数:
- xarray_like
输入数组。
- outndarray、None 或 ndarray 和 None 的元组,可选
存储结果的位置。如果提供,则其形状必须与输入广播到的形状一致。如果未提供或为 None,则返回一个新分配的数组。元组(仅可能作为关键字参数)的长度必须等于输出的数量。
- wherearray_like,可选
此条件在输入上广播。在条件为 True 的位置,out 数组将设置为 ufunc 的结果。在其他地方,out 数组将保留其原始值。请注意,如果通过默认的
out=None
创建未初始化的 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 文档。
- 返回值:
- absolutendarray
包含 x 中每个元素的绝对值的 ndarray。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
>>> 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>>> 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
>>> xx = x + 1j * x[:, np.newaxis] >>> plt.imshow(np.abs(xx), extent=[-10, 10, -10, 10], cmap='gray') >>> plt.show()
可以将
abs
函数用作 ndarray 上np.absolute
的简写。>>> x = np.array([-1.2, 1.2]) >>> abs(x) array([1.2, 1.2])