numpy.absolute

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

计算绝对值元素.

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,它必须具有与输入广播的形状.如果未提供或为 None,则返回新分配的数组.元组（只能作为关键字参数）的长度必须等于输出的数量.

wherearray_like, 可选

这个条件通过输入进行广播.在条件为 True 的位置,`out` 数组将被设置为 ufunc 结果.在其他地方,`out` 数组将保留其原始值.注意,如果通过默认的 out=None 创建了一个未初始化的 out 数组,条件为 False 的位置将保持未初始化状态.

**kwargs

对于其他仅限关键字的参数,请参阅 ufunc 文档.

返回:

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] 范围内绘制函数:

>>> 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()

abs 函数可以作为在 ndarrays 上使用 np.absolute 的简写.

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