numpy.absolute #
- 麻木的。Absolute ( x , / , out=None , * , where=True , casting='same_kind' , order='K' , dtype=None , subok=True [ , signature , extobj ] ) = <ufunc 'absolute'> #
按元素计算绝对值。
np.abs
是这个函数的简写。- 参数:
- x类似数组
输入数组。
- out ndarray、None 或 ndarray 和 None 的元组,可选
存储结果的位置。如果提供,它必须具有输入广播到的形状。如果未提供或无,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。
- 其中array_like,可选
该条件通过输入广播。在条件为 True 的位置,输出数组将设置为 ufunc 结果。在其他地方,输出数组将保留其原始值。请注意,如果通过 default 创建 未初始化的out
out=None
数组,则其中条件为 False 的位置将保持未初始化状态。- **夸格
对于其他仅关键字参数,请参阅 ufunc 文档。
- 返回:
- 绝对ndarray
包含x中每个元素的绝对值的 ndarray 。对于复数输入,的绝对值为
a + ib
\(\sqrt{ a^2 + b^2 }\)。如果x是标量,则这是标量。
例子
>>> x = np.array([-1.2, 1.2]) >>> np.absolute(x) array([ 1.2, 1.2]) >>> np.absolute(1.2 + 1j) 1.5620499351813308
在 上绘制函数:
[-10, 10]
>>> 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()
该
abs
函数可以用作np.absolute
on ndarrays 的简写。>>> x = np.array([-1.2, 1.2]) >>> abs(x) array([1.2, 1.2])